CNN卷积神经网络-tensorflow
卷积神经网络的层级结构 1 数据输入层 |input layer 该层要做的处理主要是对原始图像数据进行预处理,包括: 去均值、归一化、 PCA| 白化 。 去均值: 把输入数据各个维度都中心化为 0 ,其目的就是把样本的中心拉回到坐标系原点上。 归一化:幅度归一化到同样的范围。 PCA| 白化 :用 PCA 降维;白化是对数据各个特征轴的幅度归一化。 去均值与归一化效果图:(把样本的中心拉回到坐标系原点上) 去相关与白化效果图:(对数据各个特征轴的幅度归一化) 2 卷积计算层 |Convolution layer 这一层就是卷积神经网络最重要的一个层次,也是 “卷积神经网络”的名字来源。 在这个个卷基层,有两个关键操作:局部关联 ,每个神经元看做一个滤波器( filter )和 窗口滑动( receptive field ) , filter 对局部数据计算。 先介绍卷积层遇到的几个名词: 深度 |depth 步长 |stride (窗口一次滑动的距离) 填充值 |zero-padding 填充值是什么呢? 以下图为例子,比如有这么一个 5*5的图片(一个格子一个像素),我们滑动窗口取2*2,步长取2,那么我们发现还剩下1个像素没法滑完,那怎么办呢? 那我们在原先的矩阵加了一层填充值,使得变成 6*6的矩阵,那么窗口就可以刚好把所有像素遍历完。这就是填充值的作用。 卷积的计算