一文教你使用卷積神經(jīng)網(wǎng)絡和Python進行圖像分類
介紹本文將討論有關圖像分類的所有內(nèi)容。在過去的幾年里,深度學習已經(jīng)被證明是一個非常強大的工具,因為它能夠處理大量的數(shù)據(jù)。隱藏層的使用超越了傳統(tǒng)技術,尤其是在模式識別方面。最受歡迎的深度神經(jīng)網(wǎng)絡之一是卷積神經(jīng)網(wǎng)絡 (CNN)。
卷積神經(jīng)網(wǎng)絡(CNN)是一種用于圖像識別和處理的人工神經(jīng)網(wǎng)絡(ANN),專門用于處理數(shù)據(jù)(像素)。
在進一步研究之前,我們需要了解什么是神經(jīng)網(wǎng)絡．神經(jīng)網(wǎng)絡一個神經(jīng)網(wǎng)絡由幾個相互連接的節(jié)點構成,稱為**“神經(jīng)元”。神經(jīng)元分為輸入層、隱藏層和輸出層。**輸入層對應于我們的預測器/特征,輸出層對應于我們的響應變量。
多層感知器(MLP)具有輸入層、一個或多個隱藏層和一個輸出層的神經(jīng)網(wǎng)絡稱為多層感知器 (MLP)。 MLP 是Frank Rosenblatt在 1957 年發(fā)明的。下面給出的 MLP 有 5 個輸入節(jié)點、5 個帶有兩個隱藏層的隱藏節(jié)點和一個輸出節(jié)點
這個神經(jīng)網(wǎng)絡是如何工作的?– 輸入層神經(jīng)元接收來自數(shù)據(jù)的傳入信息,它們處理并分配給隱藏層。– 該信息依次經(jīng)過隱藏層處理,并傳遞給輸出神經(jīng)元。– 該人工神經(jīng)網(wǎng)絡 (ANN) 中的信息根據(jù)一個激活函數(shù)進行處理。這個函數(shù)實際上模仿了大腦神經(jīng)元。– 每個神經(jīng)元包含一個激活函數(shù)值和一個閾值。–閾值是輸入必須具有的最小值才能被激活。– 神經(jīng)元的任務是對所有輸入信號進行加權求和,并對總和應用激活函數(shù),然后再將其傳遞到下一個(隱藏或輸出)層。讓我們了解什么是權重和?假設我們有值
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
