《深度学习项目案例开发》课件 第3部分：卷积神经网络.pptx

深度学习基础知识第3部分：卷积神经网络

课程议题第1部分：深度学习简介第2部分：神经网络是如何训练的第3部分：卷积神经网络第4部分：数据增强与模型部署第5部分：预训练的模型第6部分：更高级的模型结构

课程议题–第3部分内核与卷积内核与神经网模型中的其它层

练习回顾我们对一个密集神经网络模型进行了训练训练准确性高验证准确性低过拟合证据

内核和卷积

调暗锐化调亮模糊原始图像内核和卷积

调暗锐化调亮模糊原始图像内核和卷积00001.5000000000.50000.06.13.03.06.13.060-10-15-10-10

内核和卷积101101010010011110011110101101110011.06.13.03.06.13.06原始图像增加亮度的内核??卷积后的图像

内核和卷积101101010010011110011110101101110011.06.13.03.06.13.06原始图像增加亮度的内核??卷积后的图像

内核和卷积101101010010011110011110101101110011.06.13.03.06.13.06原始图像增加亮度的内核??卷积后的图像.060.060.2500.13.06相乘

内核和卷积101101010010011110011110101101110011.06.13.03.06.13.06原始图像增加亮度的内核??.56卷积后的图像.060.060.2500.13.06求和

内核和卷积.06.13.03.06.13.06原始图像增加亮度的内核??卷积后的图像.56.571011010100100111100111101011011100110.13.06.1300.06.13.06

内核和卷积101101010010011110011110101101110011.06.13.03.06.13.06原始图像增加亮度的内核??.4卷积后的图像

步长101101010010011110步长为1.56.57101101010010011110步长为2101101010010011110步长为6

填充原始图像0000000001011010001001000011110000111100010110100110011000000000补零101101010010011110011110101101110011

填充原始图像1101101111011011001001000011110000111100110110111110011111100111相同填充101101010010011110011110101101110011

内核和神经网络

内核和神经网络内核w1w2w3w4w5w6w7w8w9

内核和神经网络内核神经元?w6w5w1w2x1x2w3w4w1w2w3w4w5w6w7w8w9

内核和神经网络(28,28,1)输入图像(3,3,1,2)内核(28,28,2)堆叠图像(3,3,2,2)内核(28,28,2)堆叠图像(1568)展平后的

图像向量…………(10)输出预测(512)密集层(512)密集层

查找边缘原始图像垂直边缘水平边缘10-120-210-1000010000121000-1-2-1

神经网络感知卷积层输入卷积卷积卷积层密集层输出层密集层纹理边缘物体

神经网络感知

模型中的其他层

最大池化11025615367128988431015505523949232561532355

Dropout丢弃率=0丢弃率=.2丢弃率=.4

完整架构卷积层输入卷积卷积层密集层输出层密集层最大池化Dropout最大池化最大池化

开始吧！

/DLI