简单示例，一个用 CNN 识别 MNIST 手写数字的模型。数据是 60,000 张训练和 10,000 张测试的 28×28 灰度图，先归一化到 0-1，再加通道。模型用两层卷积（32 和 64 个滤波器）提取特征，两层池化缩小尺寸，再展平后用两个全连接层（128 和 10 个神经元）输出概率。训[……]
用 CNN（卷积神经网络）识别手写数字（0-9）
Leave a reply
Tag Archives: CNN
理解卷积神经网络（CNN）四个基本概念三：矩阵
矩阵是图像在计算机中的一种表示方式
import numpy as np
import matplotlib.pyplot as plt
image = np.array([
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0[......]理解卷积神经网络（CNN）四个基本概念二：池化
池化的目的是采样，减少计算量
import numpy as np
feature_map = np.array([
[1, 1, 1, 1],
[1, 1, 1, 1],
[2, 2, 2, 2],
[2, 2, 2, 2]
])
print('特征图：\n'[......]理解卷积神经网络（CNN）四个基础概念一：卷积
卷积是为了提取特征
import numpy as np
image = np.array([
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[1, 1, 1, 1, 1],
[0, 0, 0, 0, 0],
[0, 0, 0, 0,[......]