卷積神經網絡

卷積是指將卷積核應用到某個張量的所有點上，通過將 卷積核在輸入的張量上滑動而生成經過濾波處理的張量。

介紹的目標識別與分類，就是在前面問題的基礎 上進行擴展，實現對于圖像等分類和識別。

實現對圖像的高準確率識別離不開一種叫做卷積神經網絡的深度學習 技術

卷積神經網絡主要應用于計算機視覺相關任務，但它能處理的任務并 不局限于圖像，其實語音識別也是可以使用卷積神經網絡。

CNN由輸入和輸出層以及多個隱藏層組成，隱藏層可分為卷積層，池化層、RELU層和全連通層。

• 輸入層

CNN的輸入一般是二維向量，可以有高度，比如，RGB圖像

• 卷積層

卷積層是CNN的核心，層的參數由一組可學習的濾波器（filter）或內核（kernels）組成，它們具有小的感受野，延伸到輸入容積的整個深度。 在前饋期間，每個濾波器對輸入進行卷積，計算濾波器和輸入之間的點積，并產生該濾波器的二維激活圖（輸入一般二維向量，但可能有高度（即RGB））。 簡單來說，卷積層是用來對輸入層進行卷積，提取更高層次的特征。

總結

以上是生活随笔為你收集整理的keras从入门到放弃(十二）卷积神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。