上传者: 38665490
|
上传时间: 2022-01-16 17:30:41
|
文件大小: 141KB
|
文件类型: -
CNN实现对FashionMNIST图像分类
卷积神经网络相对于全连接神经网络的优势:
参数少 -> 权值共享
因为全连接神经网络输入的图片像素较大, 所以参数较多
而卷积神经网络的参数主要在于核上, 而且核的参数可以共享给其他通道
全连接神经网络会将输入的图片拉直, 这样就会使图片损失原来的效果,从而导致效果不佳
而卷积神经网络不会将图片拉直,用步长去移动核
可以手动选取特征,训练好权重,特征分类效果比全连接神经网络的效果好
CNN过程:
conolution层: 实现对feature map局部采样(相似于感受野)
pooling层: 增加感受野
dense层: 也就是全连接层
大概思路