内容简介：卷积神经网络（Convolutional Nerural Networks, 简称CNN或者ConvNet）。一般典型的CNN神经网络都具有如下的层次结构，从输入数据的开始，经历卷积层、线性整流层、池化层、全连接层到最后的损失函数层，最后就是数据的输出。
卷积神经网络（Convolutional Nerural Networks, 简称CNN或者ConvNet）。
结构
一般典型的CNN神经网络都具有如下的层次结构，从输入数据的开始，经历卷积层、线性整流层、池化层、全连接层到最后的损失函数层，最后就是数据的输出。
- LeNet-5结构
-
AlexNet结构
卷积层Convolutional layer
卷积层这一层结构主要是与卷积有关的，要理解卷积层，就需要弄明白卷积是什么和卷积的作用是什么这个两个问题
卷积是什么
卷积是泛函分析中的一种数学算子，通过两个函数f和g生成第三个函数，用于表征函数f与g经过反转和平移的重叠部分的面积。看看简单的定义式
理解的关键需要抓住定义中反转、平移、重叠和面积这四个关键词。
图解其运算过程
以上便是卷积的定义和解释了，但是这只是 一维 的 连续 的信号（函数f和g）的卷积的定义和理解，图像信号是二维且离散的，那仍需要理解一番二维的离散卷积。
以上所述就是小编给大家介绍的《CNN笔记》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
