CNN-卷积神经网络

目录

基本架构

初学者注意事项

卷积神经网络是深度学习中非常基础且重要的模型，是我们入门深度学习的基础，是需要我们不断地去总结回顾的。祝大家都能打牢基础！

卷积神经网络（Convolutional Neural Networks，CNNs）是一种深度学习模型，特别适用于处理具有网格状拓扑结构的数据，如图像（2D 网格）和视频（3D 网格）。

基本架构

1. 输入层（Input Layer）：

   • 接收图像数据，通常是 3D 张量（高度 x 宽度 x 通道数，例如 RGB 图像为 224x224x3），如果是灰度图的话，那么通道数为1

2. 卷积层（Convolutional Layer）：

   • 使用一组可学习的卷积核(过滤器)对输入进行卷积操作，提取特征。
   • 卷积核(过滤器)的大小通常较小，如 3x3 或 5x5。
   • 通过滑动卷积核(过滤器)在输入数据上，生成特征图（feature maps）。

3. 激活函数：

   • 常用的激活函数是 ReLU（Rectified Linear Unit），用于引入非线性。

4. 池化层（Pooling Layer）：