卷积神网络原理与应用：从基础到实战.pdfVIP

BP就是反向传播的含义

卷积神经网络理论

理论部分

◆卷积神经网络

◆卷积操作、池化操作

◆深度可分离卷积

◆数据增强

◆迁移学习

实战部分

◆Keras实现卷积神经网络

◆Keras实现深度可分离卷积

◆Keras实战kaggle

◆10monkeys和cifar10

◆数据增强与迁移学习

卷积神经网络结构

◆卷积神经网络

◆(卷积层+(可选)池化层)*N+全连接层*M

N=1,M=0

卷积层的输入和输出都是矩阵，全连接层的输入和输出都是向量

矩阵和向量的区分，一维就是向量，二维就是矩阵

/liuxiangxxl/article/details

在最后一层的卷积上，把它做一个展平，这样就可以和全连接层进行运算了

为什么卷积要放到前面，因为展平丧失了维度信息，因此全连接层后面不能再放卷积层

◆分类任务—图片分类

◆全卷积神经网络

◆(卷积层+(可选)池化层)*N+反卷积层*K

反卷积层用来放大，可以让输出和输入一样大，当输出和输入一样大时，适用场景是物

体分割

◆物体分割

因为我们就是要确定这个点属于哪一个物体

Convolution卷积

Subsamping池化

也是卷积