04_第四章__卷积神经网络.pptxVIP

;;;;;;;卷积神经网络主要结构有输入层、卷积层、池化层、全连接层和输出层；

如图4-3所示，通过将这些层结构堆叠起来而形成一个卷积神经网络。在这些层结构中，卷积层和全连接层拥有参数而池化层无参数。再者，网络的训练方法使用误差反向重传算法，所以参数更新通过反向传播实现。;;01卷积神经网络入门;;;;;;;tf.nn.conv2d为实现卷积的函数，函数形式如下：

tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=Nonename=None)

其中各参数的含义及需求如表4-1所示。;下面通过一个例子来说明如何用代码进行简单的卷积。步骤如下：;定义三个输入变量，分为5ⅹ5大小、5ⅹ5大小2个通道矩阵，4ⅹ4大小1个，三个变量里全部赋给1值。;;;02卷积运算;;;;;;;;;首先介绍一下池化函数：;下面通过一个例子来说明如何用代码进行池化。

描述：通过代码生成一个5ⅹ5的矩阵来模拟输入样本（图片），给它赋予指定的值。定义3ⅹ3的卷积核，将输入样本和卷积核进行卷积操作，展示其卷积过程。;该步骤是定义分别在两个通道的矩阵，一个是六列0~5的矩阵，一个是六列4~9的矩阵，如图4-19所示。;该步骤是定义如何池化的。输入样本为img，池化滤波器前两个为2×2，后两个池化滤波器为4×4，因为池化时样本数据不够，所