教程 | 深度学习：卷积神经网络 (CNN)

ZIBON2022

我们在之前的文章中向您解释了梯度下降及其在线性回归中的应用，神经网络的操作和兴趣，以及它的学习，这次我们将看到一个特殊的神经网络，称为卷积神经网络或“卷积神经网络”。 ”（CNN——卷积神经网络）。这种类型的算法特别用于对图像进行分类。 [教程] 深度学习：卷积神经网络 卷积神经网络是一种专门用于对图像进行分类的算法，例如： 机器学习：了解什么是神经网络 - 图 1 这是狗还是猫的图像？ CNN 中使用的动作 CNN 通常对图像应用 3 种不同类型的操作，以便从中提取相关信息。

这 3 种类型的操作是： 卷积 汇集_ 类 ReLU 激活函数 我们将看看它的每一个操作。 卷积 在详细解释什么是卷积之前，我们将比较这两张图像。 卷积神经网络 - 由 81 个像素组成的图像 这 2 阿联酋电话号码 张图像由 81 个像素 (9×9) 组成。通过用-1（黑色像素）和+1（白色像素）之间的值对像素的颜色进行编码，我们获得了以下图像。 卷积神经网络 - 像素比较 通过逐个像素的比较，我们看到两张图像之间存在不同的像素。 卷积神经网络 - 图像之间的差异 但是，图像的某些部分在 2 个图像之间是相同的。 卷积神经网络 - 相同的元素 这些作品数量为 3。

卷积神经网络 - 3 个相同的元素 我们现在将这些部分称为特征。 现在让我们考虑大小为 3×3 的特征，我们将看到机器如何通过非常简单的计算找到它们。 这是我们希望机器找到的新功能。 卷积神经网络 - 特征 我们将从在此图像上寻找此功能开始。 卷积神经网络 - 特征图 1 为此，我们将通过将其拖动到图像上来比较此功能，如下所示： 卷积神经网络 - 特征比较 卷积神经网络——特征比较2 卷积神经网络 - 3 个特征比较 卷积神经网络 - 4 个特征比较 等等。 具体来说，为了将此特征与图像的一部分进行比较.