CNN示例（识别手写体）

83 阅读 0 评论 55 点赞

我是靠谱客的博主矮小睫毛，最近开发中收集的这篇文章主要介绍CNN示例（识别手写体），觉得挺不错的，现在分享给大家，希望可以做个参考。

一个卷积神经网络包括卷积层，池化层和全连接层（fully connected layer）

在统计神经网络有多少层时，通常只统计具有权重和参数的层，因为池化层没有权重和参数，所以我们把一个Conv（卷积层）和一个POOL（池化层）共同作为一个卷积，两者组成神经网络Layer（层）的一部分。

当将下图的POOL2平整化为一个大小为400的一维向量时，再利用这400个单元构建下一层（含有120个单元），

就得到第一个全连接层FC3，这400个单元和120个单元紧密相连，它在120*400的维度上具有一个权重矩阵W[3],

然后输出120个维度，对这120个单元再添加一个全连接层（84个单元），标记为FC4，

用这84个单元填充一个softmax单元，例如识别手写的0~9，则softmax就会有10个输出。

Convolutional Neural

以上就是矮小睫毛为你收集整理的CNN示例（识别手写体）的全部内容，希望文章能够帮你解决CNN示例（识别手写体）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。