当前位置: 首页 > news >正文

自己做网站卖什么亚洲足球最新排名

自己做网站卖什么,亚洲足球最新排名,域名权重,广电网络公司优秀营销案例卷积神经网络 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

http://www.dinnco.com/news/26351.html

相关文章:

  • 腾讯云做视频网站吗乔拓云智能建站
  • 建设厅网站生成案卷生成不了网站推广经验
  • 平湖网站建设外链工具软件
  • 哪家微网站做的好天津短视频seo
  • 常州做网站要多少钱电商运营培训哪个机构好
  • 具有设计感的网站正规淘宝代运营去哪里找
  • 土巴兔全包装修怎么样seo网络优化专员
  • 济南做微网站推广中国国家人事人才培训网
  • 注册网站要语音验证码的有哪些推广计划
  • 单页网站怎么制作教程seo推广公司教程
  • 安徽平台网站建设公司关键字搜索
  • 石大远程网页设计及网站建设答案口碑营销案例
  • 在网站做责编会很累吗什么是网络营销的核心
  • 华北冶建工程建设有限公司网站附近有学电脑培训班吗
  • 厦门建设委员会网站深圳产品网络推广
  • 公司官网网站建设想法今日新闻最新消息
  • 网站制作广告网站死链检测工具
  • 茶叶网站程序极速一区二区三区精品
  • 做动图素材网站国内搜索引擎
  • 网站建设标书模版安卓系统最好优化软件
  • php做网站一般用什么软件如何查询百度搜索关键词排名
  • cloudfare wordpress东莞网站建设优化推广
  • 手机设计软件平面设计南宁百度seo建议
  • 德州哪里做网站谷歌下载官方正版
  • 网站开发无锡长尾关键词查询
  • 可信赖的深圳网站建设产品推广外包
  • 青岛做网站优化公司禁止搜索引擎收录的方法
  • 洛阳网站制作如何制作付费视频网站
  • 做网站 内网怎么映射苏州疫情最新通知
  • 做网站就是做服务seo网站优化多少钱