没有合适的资源？快使用搜索试试~ 我知道了~

文库首页前端Node.jsCNN卷积神经网络原理.docx

CNN卷积神经网络原理.docx

1.该资源内容由用户上传，如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款（资源遇到问题，请及时私信上传者）

版权申诉

0 下载量 174 浏览量 2022-11-24 22:53:37 上传评论收藏 481KB DOCX 举报

温馨提示

试读

29页

CNN卷积神经网络原理.docxCNN卷积神经网络原理.docx

资源详情

资源评论

范文范例指导学习

http://blog.csdn.net/u012162613/article

/details/43225445

本文主要是详细地解读 CNN 的实现代码。如果你没学习过 CNN，

在此推荐周晓艺师兄的博文：Deep Learning（深度学习）学习

笔记整理系列之（七），以及 UFLDL 上的卷积特征提取、池化

CNN 的最大特点就是稀疏连接（局部感受）和权值共享，如下

面两图所示，左为稀疏连接，右为权值共享。稀疏连接和权值共

享可以减少所要训练的参数，减少计算复杂度。

这个图真是无处不在，一谈 CNN，必说 LeNet5，这图来自于

这篇论文：Gradient-Based Learning Applied to Document

word 版本整理分享

范文范例指导学习

Recognition，论文很长，第 7 页那里开始讲 LeNet5 这个结构，

建议看看那部分。

我这里简单说一下，LeNet5 这张图从左到右，先是 input，这

是输入层，即输入的图片。input-layer 到 C1 这部分就是一个

卷积层（convolution 运算），C1 到 S2 是一个子采样层（pooling

运算），关于卷积和子采样的具体过程可以参考下图：

然后，S2 到 C3 又是卷积，C3 到 S4 又是子采样，可以发现，

卷积和子采样都是成对出现的，卷积后面一般跟着子采样。S4

到 C5 之间是全连接的，这就相当于一个 MLP 的隐含层了（如

果你不清楚 MLP，参考《DeepLearning tutorial（3）MLP 多

层感知机原理简介+代码详解》）。C5 到 F6 同样是全连接，也

是相当于一个 MLP 的隐含层。最后从 F6 到输出 output，其实

就是一个分类器，这一层就叫分类层。

ok，CNN 的基本结构大概就是这样，由输入、卷积层、子采样

层、全连接层、分类层、输出这些基本“构件”组成，一般根据

具体的应用或者问题，去确定要多少卷积层和子采样层、采用什

么分类器。当确定好了结构以后，如何求解层与层之间的连接参

word 版本整理分享

范文范例指导学习

数？一般采用向前传播（FP ）+ 向后传播（BP ）的方法来训练。

具体可参考上面给出的链接。

二、CNN 卷积神经网络代码详细解读（基于 python+theano ）

代码来自于深度学习教程：Convolutional Neural Networks

(LeNet)，这个代码实现的是一个简化了的 LeNet5 ，具体如下：

没有实现 location-specific gain and bias parameters

用的是 maxpooling ，而不是 average_pooling

分类器用的是 softmax ，LeNet5 用的是 rbf

LeNet5 第二层并不是全连接的，本程序实现的是全连接

另外，代码里将卷积层和子采用层合在一起，定义为

“LeNetConvPoolLayer “（卷积采样层），这好理解，因为它

们总是成对出现。但是有个地方需要注意，代码中将卷积后的输

出直接作为子采样层的输入，而没有加偏置 b 再通过 sigmoid

word 版本整理分享

范文范例指导学习

函数进行映射，即没有了下图中 fx 后面的 bx 以及 sigmoid 映

射，也即直接由 fx 得到 Cx。

最后，代码中第一个卷积层用的卷积核有 20 个，第二个卷积层

用 50 个，而不是上面那张 LeNet5 图中所示的 6 个和 16 个。

了解了这些，下面看代码：

（1）导入必要的模块

[python] view plain copy

sys

time

import

numpy

import

10.

import

11.

from

12.

from

theano.tensor.signal

import

downsample

import

theano.tensor.nnet

conv

CNN 的基本构件包括卷积采样层、隐含层、分类器，如下

见代码注释：

[python] view plain copy

4. input:4维的向量，theano.tensor.dtensor4

word 版本整理分享

范文范例指导学习

5. filter_shape:(number of filters, num input feature maps,filter height

6. image_shape:(batch size, num input feature maps,image height, image w

idth)

class

def

10.

__init__(self, rng, input, filter_shape, image_shape, poolsi

ze=(2, 2)):

11.

12.#assert condition，condition 为 True，则继续往下执行，condition 为 False，

中断程序

13.#image_shape[1]和 filter_shape[1]都是 num input feature maps，它们必须是

一样的。

assert

14.

15.

16.

image_shape[1] == filter_shape[1]

self.input = input

17.#每个隐层神经元（即像素）与上一层的连接数为

19.

20.

fan_in = numpy.prod(filter_shape[1:])

"num output feature maps * filter height * filter width" /pooling siz

22.

23.

24.

fan_out = (filter_shape[0] * numpy.prod(filter_shape[2:]) /

numpy.prod(poolsize))

25.#以上求得 fan_in、fan_out ，将它们代入公式，以此来随机初始化 W,W就是线性卷积

核

26.

27.

28.

W_bound = numpy.sqrt(6. / (fan_in + fan_out))

self.W = theano.shared(

numpy.asarray(

word 版本整理分享

剩余28页未读，继续阅读

评论收藏

内容反馈

1.该资源内容由用户上传，如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款（资源遇到问题，请及时私信上传者）

版权申诉

CNN卷积神经网络原理.docx

评论0

最新资源

CNN卷积神经网络原理.docx

评论0

最新资源

相关推荐

卷积神经网络原理详解

卷积神经网络原理与视觉实践

CNN 卷积神经网络

CNN 卷积神经网络

CNN卷积神经网络

(2021年整理)CNN卷积神经网络原理.docx

CNN卷积神经网络原理 (2).docx

(完整版)卷积神经网络CNN原理、改进及应用.docx

卷积神经网络CNN原理、改进及应用 (2).docx

(完整版)卷积神经网络CNN原理、改进及应用 (3).docx

卷积神经网络（CNN）的原理与应用

卷积神经网络CNN

CNN_卷积神经网络_

CNN卷积神经网络原理 (3).pdf

深度学习之--CNN卷积神经网络__整理版.docx

卷积神经网络CNN原理、改进及应用.docx

卷积神经网络(CNN,ConvNet)及其原理详解.docx

人工智能编程课程总结.docx

七个人工智能常见术语.docx

卷积神经网络（CNN）

卷积神经网络CNN.ppt

CNN卷积神经网络PYTHON

CNN_CNN_CNN卷积神经网络代码训练模型_CNN语言_

CNN.zip_CNN_CNN代码_卷积神经网络_神经网络

lecture5_2-文本特征提取1

CNN.rar_CNN_CNN神经网络_卷积神经网络