卷积神经网络教程 (CNN) 使用 TensorFlow 在 Python 中开发图像分类器.pdfVIP

在这篇博客中，让我们讨论什么是卷积神经网络 (CNN) 以及 卷积 神经网络背后 架构—— 旨在解决 图像识别系统和分类 问题。 卷积 神经网络在图像和视频识别、推荐系统和 自然语言处理方面有着广 泛的应用。 我们将检查以下概念：  计算机如何读取图像？  为什么不是全连接网络？  什么是卷积神经网络？  卷积神经网络的起源  卷积神经网络如何工作？  卷积神经网络示例  图像的卷积  ReLu 层  池化层  堆叠层数  使用卷积神经网络预测图像  用例：CIFAR10 图像分类器 计算机如何读取图像？ 考虑这张纽约天际线的图像，第一眼你会看到很多建筑物和颜色。 那么计算机是如何处理这张图像的呢？ 图像分为 3 个颜色通道，即红、绿和蓝。每个颜色通道都映射到图 像的像素。 然后，计算机识别与每个像素相关的值并确定 图像的大小。 然而，对于黑白图像，只有一个通道，概念是相同的。 为什么不是全连接网络？