没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
PyTorch 上实现卷积神经网络 CNN 的方法
一、卷积神经网络
卷积神经网络(
ConvolutionalNeuralNetwork
,
CNN
)最初是为解决
图像识别等问题设计的,
CNN
现在的应用已经不限于图像和视频,
也可用于时间序列信号,比如音频信号和文本数据等。
CNN
作为一
个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求,
避免复杂的特征工程。在卷积神经网络中,第一个卷积层会直接接受
图像像素级的输入,每一层卷积(滤波器)都会提取数据中最有效的
特征,这种方法可以提取到图像中最基础的特征,而后再进行组合和
抽象形成更高阶的特征,因此
CNN
在理论上具有对图像缩放、平移
和旋转的不变性。
卷积神经网络
CNN
的要点就是局部连接(
LocalConnection
)、权值
共享(
WeightsSharing
)和池化层(
Pooling
)中的降采样
(
Down-Sampling
)。其中,局部连接和权值共享降低了参数量,使
训练复杂度大大下降并减轻了过拟合。同时权值共享还赋予了卷积网
络对平移的容忍性,池化层降采样则进一步降低了输出参数量并赋予
模型对轻度形变的容忍性,提高了模型的泛化能力。可以把卷积层卷
积操作理解为用少量参数在图像的多个位置上提取相似特征的过程。
二、代码实现
import torch
import torch.nn as nn
from torch.autograd import Variable
资源评论
程序猿小乙
- 粉丝: 62
- 资源: 1740
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功