【python】卷积神经网络_python卷积神经网络

一、图片的识别过程：

1.特征提取-CNN自动提取（卷积层）
2.提取主要特征（池化层）
3.特征汇总
4.产生分类器进行预测识别（全连层）

1.传统神经网络处理图片-全连接的网络结构
网络中的神经与相邻层上的每个神经元均连接。层数越多需要计算的参数就越多。
2.卷积神经网络–-局部感受视野
对局部进行感知，然后在更高层将局部的信息综合起来得到全局信息。

3.卷积神经网络—权值共享
每个神经元的w值都是一样的。
就是整张图片在使用同一个卷积核内的参数。

二、卷积神经网络解决了两个问题

1、BP神经网络的全连接模式导致参数过多，反向传播计算量太大，模型训练时间过长，解决方案是权值共享。
2、全连模式下每个像素都要与神经相连，特征点较多不利于分类。卷积：局部感受视野，局部信息综合起来得到全局信息。

三、基本结构

卷积层：特征提取-CNN自动提取
池化层：提取主要特征
ReLU层
全连层：产生分类器进行预测识别

输入图片-卷积池化激活（获取主要特征）-重复-特征汇总，相当于全连层。
特征数变少，深度（通道数）变多