汇达内笔记卷积神网络.pptx

深度神经网络CNN基本结构与概念

这是一个字迹歪斜，28*28像素，超低分辨率的这是几？282833

3≠如何使计算机完成相同的判断？

神经网络1.1神经网络结构1.2反向传播1基本运用2.1构建计算图2.2运行计算图2.3修改变量2训练过程3.1输出文本的进化3.2预测与激活可视化3

输入一个28*28的二维矩阵，输出0~9之间的个位数字0123456789？3

1神经网络1.1神经网络结构1.2反向传播

人工神经网络（ArtificialNeuralNetwork，即ANN），是对人脑神经元网络的抽象与模拟?在模式识别，自然语言处理，机器人等AI领域表现出良好的智能特性?使用最简单的多层感知器(Multi-Layer?Perception)神经网络,就能非常好的完成手写数字识别

神经网络模型主要考虑网络连接的拓扑结构，神经元特征和学习规则卷积神经网络（ConvolutionalNeuralNetwork,CNN）图像识别长短期记忆神经网络（Long-ShortTermMemory,LSTM）自然语言处理

神经网络模型主要考虑网络连接的拓扑结构，神经元特征和学习规则卷积神经网络（ConvolutionalNeuralNetwork,CNN）图像识别长短期记忆神经网络（Long-ShortTermMemory,LSTM）自然语言处理

神经网络结构神经网络(NeuralNetwork)1.神经元是什么2.神经元之间如何连接

神经网络结构神经元(Neuron)生物概念即神经细胞，是神经系统结构和功能的基本单位，其作用就是传递信息。树突细胞核细胞体轴突突触

神经网络结构神经元工作机制信息处理的过程细胞体：为神经活动提供能量，并大量制造用于传递信息的化学物质树突：接收来自邻近神经元的信号轴突：远距离传输信号轴突终端：将信号传输到其他神经元树突或组织信息传递的形式01数字信号（动作电位）

神经网络结构M-P神经元模型1943年心理学家McCulloch数学家PittsMP树突细胞核细胞体轴突突触神经元模型是一个包含输入，输出与计算功能的模型。输入可以类比为神经元的树突，而输出可以类比为神经元的轴突，计算则可以类比为细胞核。

神经网络结构输入1输入2输入3线性函数激活函数输出权值2权值1权值3有向箭头称为“连接”，传递值线性计算的结果神经元可以看作一个计算与存储单元。计算是神经元对其的输入进行计算功能。存储是神经元会暂存计算结果，并传递到下一层

神经网络结构a1a2a3sumsgnzw2w1w3z=g(a1*w1+a2*w2+a3*w3)对输入和权值进行线性加权sgn函数（取符号）：当加权结果大于0时输出1，否则输出0示例：以下神经元模型，将输入向量映射到二元输出值，可解决二元分类问题

TensorflowTM是一个使用数据图模型进行数值计算的开源软件库Tensorflow使用Python语言Tensorflow

基本结构与概念1.1计算图1.2占位符1.3张量1基本运用2.1构建计算图2.2运行计算图2.3修改变量2训练过程3.1输出文本的进化3.2预测与激活可视化3

1基本结构与概念1.1计算图1.2占位符1.3张量

张量DimensionsExampleTerrminology012Scalar1Vector0122Matrix01234567830123456780123456780123456783DArray通过索引来定位序列中的元素，向量需要使用1个索引，矩阵要分别指定行列2个索引，而在三维数组中则需要使用3个索引。这个索引的数量就是张量的秩。

张量张量的阶数也称为维度，或者轴，英文为axis。012345678axis=1[0,1,2][3,4,5][6,7,8]axis=0[0,3,6][1,4,7][2,5,8]

张量示例有二维数组[[11,2],[10,4]]，输出沿两个轴方向的最大值。importnumpyasnp#定义二维数组arr=np.array([[11,2],[10,4]])#axis=0,纵轴方向max1=np.max(arr,axis=0)#axis=1,横轴方向max2=np.max(arr,axis=1)#输出print(纵轴方向max:{0}.format(max1))print(横轴方向max:{0}.format(max2)纵轴方向max:[114]横轴方向max:[1110]

张量列表数组张量生成一个给定值的常量 #语法：tf.constant(value,dtype,shape,name) #样例：a=tf.con