赞
踩
环境:Pycharm2017.2,tensorflow 2.0.0b0,Win7,python3.6
感想:最近在研究卷积神经网络的构建和训练,权重(参数)是一个非常重要的概念,卷积层会用多个不同的卷积核,每个卷积核有m*n个权重,用来提取和强化图像的特征,主要利用了图像的局部相关性。全连接层,顾名思义,每一层的每个神经元都与上一层的每个神经元连接起来,每条连接都有一个权重和偏置来进行传递。
构建卷积网络如下:
import tensorflow as tf from tensorflow.python.keras import datasets, models, layers import os class CNN(object): def __init__(self): model = models.Sequential() # 第1层卷积,卷积核大小为3*3,32个卷积核,28*28为待训练图片的大小 model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1))) # 池化层 model.add(layers.MaxPooling2D(2, 2)) # 第2层卷积,卷积核大小为3*3,64个卷积核 model.add(layers.Conv2D(64, (3, 3), activation='relu')) # 池化层 model.add(layers.MaxPooling2D(2, 2)) # 第3层卷积,卷积核大小为3*3,128个卷积核 mod
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。