Fork自 OpenDocCN / apachecn-dl-zh
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
# 第 3 章卷积神经网络 在上一章中,我们探讨了深度神经网络,该神经网络需要更多的参数才能拟合。 本章将指导您完成深度学习中最强大的开发之一,并让我们使用有关问题空间的一些知识来改进模型。 首先,我们将解释一个神经网络中的卷积层,然后是一个 TensorFlow 示例。 然后,我们将对池化层执行相同的操作。 最后,我们将字体分类模型改编为卷积神经网络(CNN),然后看看它是如何工作的。 在本章中,我们将介绍卷积神经网络的背景。 我们还将在 TensorFlow 中实现卷积层。 我们将学习最大池化层并将其付诸实践,并以单个池化层为例。 在本章的最后,您将对以下概念有很好的控制: * 卷积层动机 * 卷积层应用 * 池化层动机 * 池层应用 * 深度 CNN * 更深的 CNN * 总结深层 CNN 现在让我们进入卷积层。