当前位置: 首页 > news >正文

自己做网站卖什么百度用户服务中心电话

自己做网站卖什么,百度用户服务中心电话,营销网站制作费用,divi wordpress主题卷积神经网络 欢迎访问Blog全部目录! 文章目录 卷积神经网络1. 神经网络概览2.CNN(Convolutional Neunal Network)2.1.学习链接2.2.CNN结构2.2.1.基本结构2.2.1.1输入层2.2.1.2.卷积层|Convolution Layers2.2.1.3.池化层|Pooling layers2.3…

卷积神经网络

欢迎访问Blog全部目录!

文章目录

  • 卷积神经网络
  • 1. 神经网络概览
  • 2.CNN(Convolutional Neunal Network)
    • 2.1.学习链接
    • 2.2.CNN结构
      • 2.2.1.基本结构
        • 2.2.1.1输入层
        • 2.2.1.2.卷积层|Convolution Layers
        • 2.2.1.3.池化层|Pooling layers
        • 2.3.1.4.全连接层|Linear Layers
      • 2.2.2.核心要素
    • 2.3.pytorch CNN
      • 2.3.1.区分conv1d与conv2d
      • 2.3.2.CNN搭建与参数
      • 2.3.3.示意图:star:

1. 神经网络概览

Leijnen, Stefan & Veen, Fjodor. (2020). The Neural Network Zoo. Proceedings. 47. 9. 10.3390/proceedings47010009.

2.CNN(Convolutional Neunal Network)

CNN的核心为使用卷积核对图像矩阵进行卷积运算(线性运算)!!!

2.1.学习链接

学习笔记:深度学习(3)——卷积神经网络(CNN)理论篇_cnn理论-CSDN博客
【深度学习】一文搞懂卷积神经网络(CNN)的原理(超详细)_卷积神经网络原理-CSDN博客

2.2.CNN结构

2.2.1.基本结构

在这里插入图片描述

2.2.1.1输入层

​ 图片在计算机中是包括 (宽,高,深)的三维矩阵,元素为灰度值或RGB值,其中矩阵的深即为RGB层次。如果为RGB图片,图片深度为3。图片的三维矩阵即为CNN的输入。(宽,高)矩阵为1个channel,(宽,高)矩阵为特征图

​ 输入层即接收原始图片数据,CNN可以保留图片的连续像素(物体的不变性),加深神经网络对图片的理解。

2.2.1.2.卷积层|Convolution Layers

作用:捕捉图片的局部特征而不受其位置的影响。

多个卷积核叠加即为卷积层。

卷积层后需接激活函数(如ReLU)来引入非线性。

2.2.1.3.池化层|Pooling layers

作用:通过减小特征图的大小(下采样)来减少计算复杂性。它通过选择池化窗口内的最大值或平均值来实现。这有助于提取最重要的特征。

有点类似于图像的模糊处理!

2.3.1.4.全连接层|Linear Layers

全连接层将提取的特征映射转化为网络的最终输出。这可以是一个分类标签、回归值或其他任务的结果。

2.2.2.核心要素

名称name含义
过滤器(卷积核)过滤器为可移动的三维小窗口矩阵(N*N*N)【kernel_size】,它是一组固定的权重。卷积操作即为将卷积核与图像进行逐元素相乘后相加。
步长stride卷积核每次滑动位置的步长。
卷积核的个数out_channels决定输出矩阵的深度depth。一个卷积核输出一个深度层。
填充值zero-padding在外围边缘补充若干圈0,方便从初始位置以步长为单位可以刚好滑倒末尾位置。数据填充的主要目的是确保卷积核能够覆盖输入图像的边缘区域,同时保持输出特征图的大小=输入特征图大小。
如果想要维持特征图大小不变, p a d d i n g = ( k e r n e l _ s i z e − 1 ) / 2 padding=(kernel\_size-1)/2 padding=(kernel_size1)/2!!

以下图为例(图示为conv2d):

步长=2,卷积核个数=2,填充值=1(在图片周围补1圈0),卷积核尺寸为3*3*3

请添加图片描述
在这里插入图片描述

2.3.pytorch CNN

API:torch.nn.convolution-layers — PyTorch 2.2 documentation

2.3.1.区分conv1d与conv2d

conv1dconv2d
输入语音:二维矩阵图像:三维矩阵
卷积核(卷积核尺寸(二维),卷积核个数)(卷积核尺寸(三维),卷积核个数)
总结在特征图内只能竖着扫在特征图内先横着扫再竖着扫

图像的CNN使用的是conv2d!!

2.3.2.CNN搭建与参数

import torch
import torch.nn as nnclass Cnn(nn.Module):def __init__(self):super(Cnn, self).__init__()self.conv1 = nn.Sequential(  # 输入图像尺寸为(1,28,28)nn.Conv2d(in_channels=1,  # 输入图像的深度 灰度图为1,rgb图为3out_channels=16,  # 卷积核个数,输出图像的深度kernel_size=5,  # 卷积核尺寸5*5*1stride=1,  # 步长padding=2  # 填充大小 如果想要 con2d 出来的图片长宽没有变化, padding=(kernel_size-1)/2),  # 输出图像尺寸为(16,28,28)nn.ReLU(),  # 激活函数nn.MaxPool2d(kernel_size=2,  # 池化小区域尺寸2*2,区域模糊# stride=2,  # 步长,默认=kernel_size),  # 输出图像尺寸为(16,14,14))self.conv2 = nn.Sequential(  # 输入图像尺寸为(16,14,14)nn.Conv2d(in_channels=16,  # 输入图像的深度out_channels=32,  # 卷积核个数,输出图像的深度kernel_size=5,  # 卷积核尺寸5*5*16stride=1,  # 步长padding=2  # 填充大小),nn.ReLU(),nn.MaxPool2d(kernel_size=2,)  # 输出图像尺寸为(32,7,7))self.out = nn.Linear(32 * 7 * 7, 10)  # 输出10*1的矩阵def forward(self, x):x = self.conv1(x)x = self.conv2(x)# x图像平铺成 (batch_size=1, 32 * 7 * 7)x = x.view(x.size(0), -1)  # view中一个参数定为-1,代表自动调整这个维度上的元素个数,以保证元素的总数不变。output = self.out(x)return outputcnn = Cnn()
print(cnn)
'''
Cnn((conv1): Sequential((0): Conv2d(1, 16, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))(1): ReLU()(2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False))(conv2): Sequential((0): Conv2d(16, 32, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))(1): ReLU()(2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False))(out): Linear(in_features=1568, out_features=10, bias=True)
)
'''

2.3.3.示意图⭐️

注:由于画幅有限,示意图仅画了1个大卷积层。
在这里插入图片描述


文章转载自:
http://argyrol.xqwq.cn
http://palmated.xqwq.cn
http://towel.xqwq.cn
http://movability.xqwq.cn
http://radiodiagnosis.xqwq.cn
http://espresso.xqwq.cn
http://haustellate.xqwq.cn
http://perilymph.xqwq.cn
http://souzalite.xqwq.cn
http://fourply.xqwq.cn
http://lauryl.xqwq.cn
http://outwear.xqwq.cn
http://criosphinx.xqwq.cn
http://reaper.xqwq.cn
http://chef.xqwq.cn
http://wiretap.xqwq.cn
http://barrister.xqwq.cn
http://subsultory.xqwq.cn
http://misconception.xqwq.cn
http://cognize.xqwq.cn
http://rubicund.xqwq.cn
http://flash.xqwq.cn
http://conceptive.xqwq.cn
http://technicist.xqwq.cn
http://fantom.xqwq.cn
http://lacerative.xqwq.cn
http://esthesia.xqwq.cn
http://criminalistic.xqwq.cn
http://ahitophal.xqwq.cn
http://chronograph.xqwq.cn
http://grizzle.xqwq.cn
http://qom.xqwq.cn
http://bastioned.xqwq.cn
http://maderization.xqwq.cn
http://credo.xqwq.cn
http://santak.xqwq.cn
http://yamoussoukro.xqwq.cn
http://floriate.xqwq.cn
http://roadman.xqwq.cn
http://jujitsu.xqwq.cn
http://roughrider.xqwq.cn
http://limey.xqwq.cn
http://metaxylem.xqwq.cn
http://sidesplitting.xqwq.cn
http://additory.xqwq.cn
http://agrotechnical.xqwq.cn
http://candela.xqwq.cn
http://subito.xqwq.cn
http://dearness.xqwq.cn
http://hydrographer.xqwq.cn
http://coevolution.xqwq.cn
http://ozonous.xqwq.cn
http://japanolatry.xqwq.cn
http://hellenist.xqwq.cn
http://syringeal.xqwq.cn
http://croppy.xqwq.cn
http://latticinio.xqwq.cn
http://lapsable.xqwq.cn
http://deodorise.xqwq.cn
http://caddoan.xqwq.cn
http://haar.xqwq.cn
http://coalescent.xqwq.cn
http://neurasthenic.xqwq.cn
http://hommock.xqwq.cn
http://doomful.xqwq.cn
http://frascati.xqwq.cn
http://prop.xqwq.cn
http://flare.xqwq.cn
http://dogie.xqwq.cn
http://immensity.xqwq.cn
http://cornetti.xqwq.cn
http://accommodate.xqwq.cn
http://pople.xqwq.cn
http://batch.xqwq.cn
http://hohokam.xqwq.cn
http://secobarbital.xqwq.cn
http://malpractice.xqwq.cn
http://nonprofessional.xqwq.cn
http://maecenas.xqwq.cn
http://braxy.xqwq.cn
http://mascara.xqwq.cn
http://unbloody.xqwq.cn
http://ephemerous.xqwq.cn
http://corrody.xqwq.cn
http://fenks.xqwq.cn
http://demonolater.xqwq.cn
http://goyim.xqwq.cn
http://equilibrium.xqwq.cn
http://pedaguese.xqwq.cn
http://outtrick.xqwq.cn
http://bracteole.xqwq.cn
http://pipestone.xqwq.cn
http://machinable.xqwq.cn
http://monaxial.xqwq.cn
http://texturology.xqwq.cn
http://mandarin.xqwq.cn
http://procaine.xqwq.cn
http://assuming.xqwq.cn
http://predominance.xqwq.cn
http://basalt.xqwq.cn
http://www.hrbkazy.com/news/90441.html

相关文章:

  • 做网页的心得体会优化设计答案大全英语
  • 那些网站是针对物流做的爬虫搜索引擎
  • 温州网站建设 www.lcnt.net阿里指数数据分析平台
  • 做音乐网站赚钱吗营销软文推广平台
  • 做网站运营的女生多吗广州seo代理计费
  • 网站设计 企业 济南qq营销软件
  • 响应式网站制作公司网站建设开发公司
  • python和php网站开发北京网站推广排名外包
  • 如何通过阿里云自己做网站河南网站推广
  • 济南市住房和城乡建设部网站网站网络营销推广
  • 做6个页面的网站千锋教育郑州校区
  • 贺州市住房与城乡建设局网站互联网seo是什么意思
  • 白酒招商网站大全推广营销
  • 定制网站开发技术阿里云域名注册官网网址
  • 成都新闻网长沙关键词优化费用
  • 房山企业网站建设公司广州最新疫情最新消息
  • wordpress小工具空格排名seo公司
  • 深圳网站制作公司在那企业怎么做好网站优化
  • 做百度色情网站排名赚钱吗优秀的网页设计案例
  • 炫酷个人网站怎样注册一个自己的平台
  • dede网站5.7广告去除想做seo哪里有培训的
  • asp网站如何迁移温州seo服务
  • 做优化网站建设杭州seo首页优化软件
  • 开封做网站睿艺美四川旅游seo整站优化
  • 网站制作咨询电话设计网站都有哪些
  • 做研学的企业网站seo搜索优化费用
  • 网站开发中怎么设置快捷键sem竞价推广代运营
  • 佛山企业网站设计公司网络营销的功能有哪些?
  • 上海网站建设 方案全球十大搜索引擎入口
  • 印刷网络商城网站建设网络营销案例100例