iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 27
0
自我挑戰組

Machine Learning 學習筆記系列 第 27

[第27天] 卷積神經網絡 MNIST練習(2)

參考網站1 參考網站2

CNN流程

https://ithelp.ithome.com.tw/upload/images/20181110/20112303q3Lj8jaqJT.png

卷積層

https://ithelp.ithome.com.tw/upload/images/20181110/20112303mdGt0XQjlu.png

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding = 'SAME')
    x_image = tf.reshape(x, [-1, 28, 28, 1])							 
    W_conv1 = weight_variable([5, 5, 1, 32])							
    b_conv1 = bias_variable([32])										 
    result = conv2d(x_image, W_conv1) + b_conv1) 						 

strides的1是指每次移動一格
https://i.imgur.com/8XHiO5I.gif
/images/emoticon/emoticon08.gif
padding=same 是輸出保持原來大小,因此會在原始像素周圍加0輸出後像素大小就一樣了。
https://ithelp.ithome.com.tw/upload/images/20181111/20112303l9Ph8STusV.png

X_image的格式第一個是圖片張數-1是不限定一次進來training的張數。第二.三個是指像素28x28,最後一個因為是灰階選1如果是彩色rgb選3。第三行是filter,5x5像素的灰階選1,最後用32個feature。最後一個是bias選一非負數即可。

來看前16個filter掃過數字7的示意圖與結果~
https://ithelp.ithome.com.tw/upload/images/20181111/20112303OklnYbuxpS.png

https://ithelp.ithome.com.tw/upload/images/20181111/201123035H0jOU8r6e.pnghttps://ithelp.ithome.com.tw/upload/images/20181111/20112303kJHl9QusZv.png

今天先寫到這裡,明天來認識max pooling~/images/emoticon/emoticon08.gif


上一篇
[第26天] 卷積神經網絡 MINST練習
下一篇
[第28天] 卷積神經網絡 MINST練習(3)
系列文
Machine Learning 學習筆記30

尚未有邦友留言

立即登入留言