iT邦幫忙

2023 iThome 鐵人賽

DAY 10
0
AI & Data

深度學習-TensorFlow系列 第 10

DAY10-卷積神經網路 CNN(下)

  • 分享至 

  • xImage
  •  

神經網路三大層

  • 卷積層(Convolutional Layer)
    可以產生一組平行的特徵圖,它通過在輸入圖像上滑動不同的卷積核並執行一定的運算所組成。

  • 池化層(Pooling Layer)
    池化是一種非線性形式的降採樣。最為常見的方式是「最大池化(Max pooling)」。它的原理是將輸入的圖像化分為若干個矩形區域,對每個子區域輸出最大值。(但除了最大池化法以外,其實還有很多池化函數)
    https://ithelp.ithome.com.tw/upload/images/20230925/20162982BJtdNgtkTr.png
    (圖片擷取自網路)

  • 完全連接層(Fully Connected Layer)
    經過多個卷積層和最大池化層後,神經網路中的進階推理就需要透過完全連接層來完成。完全連接層中的神經元啟用可以做為仿射變換來計算,就是先乘以一個矩陣然後加上一個偏差(bias)、偏移量(向量加上一個固定或是學習而來的偏差量)。

卷積神經網路運作實例
影像輸入(InputImage) -> 卷積(Convolution) -> 最大池化(Max Pooling) -> 全連接神經網路(Fully – Connected Neural Network)計算

https://ithelp.ithome.com.tw/upload/images/20230925/20162982DT6K8QX1uO.png
(圖片擷取自網路)


上一篇
DAY9-卷積神經網路 CNN(上)
下一篇
DAY11-初學者的TensorFlow 2.0教程(運用colab訓練模型)
系列文
深度學習-TensorFlow30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言