訂閱
糾錯
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   計算機視覺   >  正文

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

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(shù),尤其是在模式識別方面。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)一個神經(jīng)網(wǎng)絡(luò)由幾個相互連接的節(jié)點構(gòu)成,稱為**“神經(jīng)元”。神經(jīng)元分為輸入層、隱藏層和輸出層。**輸入層對應(yīng)于我們的預(yù)測器/特征,輸出層對應(yīng)于我們的響應(yīng)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(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(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(wù)是對所有輸入信號進行加權(quán)求和,并對總和應(yīng)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(quán)重和?假設(shè)我們有值

聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請聯(lián)系舉報。

發(fā)表評論

共0條評論，0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

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

    粵公網(wǎng)安備 44030502002758號