深度学习报告.docxVIP

电3科技大学 实验报告 （实验）课程名称 深度学习 学生姓名：李寒雪 指导教师：杨波 学号： 一、实验名称：基于MINST数据的CNN设计 二、网络设计MNIST实例? CNN网络结构设计20个9x9滤波需 (Valid)?个输入节点□ 二、网络设计 MNIST实例 ? CNN网络结构设计 20个9x9滤波需 (Valid) ?个输入节点 □ □ W3 ?个输出节点 网络设计如上图所示 分为特征提取子网络和分类子网络，特征提取 子网络分为卷积和池化部分，MNIST数据是28x28的矩阵，选择卷 积函数为20个9x9的滤波器，即图中的W1 (20x9x9),于是可以将 原来的一个输入数据(28x28)降解为20个特征矩阵(20x20),接 下来这20个特征矩阵各自经过ReLU激活函数后作为进入池化层的 输入，池化层采用2x2的平均池化，那么池化层的输出20个10x10 的特征矩阵，再讲它们reshape为2000x1的列向量作为分类子网络 的输入；分类子网络采用单隐层，因此包含两个隐层矩阵参数W3 (100x2000)和W4(l0x100),隐层采用ReLU激活方便误差反向传 播时计算更新参数，因为是多分类问题，输出层采用softmax激活函 数。 三、训练方法 对真实数据标记与模型预测标记之间的误差目标函数最小化,利用梯 度下降算法更新参数,在模型隐层和卷积池化层的参数利用误差反向