卷积神经网络全面解析之代码详细讲解.docx

.word 格式 .word 格式. 专业.专注 专业.专注 . . 卷积经网络全面解析 之代码详解 本文介绍多层感知机算法，特别是详细解读其代码实现，基于python theano，代码来自：Convolutional Neural Networks (LeNet) 。 一、CNN 卷积经网络原简介 要讲明白卷积经网络， 估计得长篇大论，网上有很多博文已经写得很好，所以本文就重复，如果你解 CNN，那可以往下看，本文主要是详细地解读CNN 的实现代码。 CNN 的最大特点就是稀疏连接（局部感受）和权值共享，如下面两图所示，左为稀疏连接，右为权值共享。稀疏连接和权值共享可以减少所要训练的参数，减少计算复杂。 至于CNN 的结构，以经典的LeNet5 来说明： 这个图真是无处在，一谈 CNN，必说 LeNet5，这图来自于这篇论文： Gradient-Based Learning Applied to Document Recognition，论文很长， 第 7 页那开始讲 LeNet5 这个结构，建议看看那部分。 我这简单说一下， LeNet5 这张图从左到右，先是 input，这是输入层，即输入的图片。input-layer 到C1 这部分就是一个卷积层（convolution 运算），C1 到S2 是一个子采样层（pooling 运算），关于卷积和子采样的具体过程