訂閱
糾錯(cuò)
加入自媒體

一文教你使用卷積神經(jīng)網(wǎng)絡(luò)和Python進(jìn)行圖像分類

介紹本文將討論有關(guān)圖像分類的所有內(nèi)容。在過去的幾年里,深度學(xué)習(xí)已經(jīng)被證明是一個(gè)非常強(qiáng)大的工具,因?yàn)樗軌蛱幚泶罅康臄?shù)據(jù)。隱藏層的使用超越了傳統(tǒng)技術(shù),尤其是在模式識(shí)別方面。最受歡迎的深度神經(jīng)網(wǎng)絡(luò)之一是卷積神經(jīng)網(wǎng)絡(luò) (CNN)。

卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種用于圖像識(shí)別和處理的人工神經(jīng)網(wǎng)絡(luò)(ANN),專門用于處理數(shù)據(jù)(像素)。

在進(jìn)一步研究之前,我們需要了解什么是神經(jīng)網(wǎng)絡(luò).神經(jīng)網(wǎng)絡(luò)一個(gè)神經(jīng)網(wǎng)絡(luò)由幾個(gè)相互連接的節(jié)點(diǎn)構(gòu)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(duì)應(yīng)于我們的預(yù)測(cè)器/特征,輸出層對(duì)應(yīng)于我們的響應(yīng)變量。

多層感知器(MLP)具有輸入層、一個(gè)或多個(gè)隱藏層和一個(gè)輸出層的神經(jīng)網(wǎng)絡(luò)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(gè)輸入節(jié)點(diǎn)、5 個(gè)帶有兩個(gè)隱藏層的隱藏節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)

這個(gè)神經(jīng)網(wǎng)絡(luò)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(luò) (ANN) 中的信息根據(jù)一個(gè)激活函數(shù)進(jìn)行處理。這個(gè)函數(shù)實(shí)際上模仿了大腦神經(jīng)元。– 每個(gè)神經(jīng)元包含一個(gè)激活函數(shù)值和一個(gè)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(wù)是對(duì)所有輸入信號(hào)進(jìn)行加權(quán)求和,并對(duì)總和應(yīng)用激活函數(shù),然后再將其傳遞到下一個(gè)(隱藏或輸出)層。讓我們了解什么是權(quán)重和?假設(shè)我們有值

聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)