腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

深度学习入门与实践

专栏作者

48

文章

72474

阅读量

44

订阅数

【深度学习系列】CNN模型的可视化

深度学习卷积神经网络神经网络

前面几篇文章讲到了卷积神经网络CNN，但是对于它在每一层提取到的特征以及训练的过程可能还是不太明白，所以这节主要通过模型的可视化来神经网络在每一层中是如何训练的。我们知道，神经网络本身包含了一系列特征提取器，理想的feature map应该是稀疏的以及包含典型的局部信息。通过模型可视化能有一些直观的认识并帮助我们调试模型，比如：feature map与原图很接近，说明它没有学到什么特征；或者它几乎是一个纯色的图，说明它太过稀疏，可能是我们feature map数太多了（feature_map数太多也反映了

2018-03-19

1.4K0

【深度学习系列】卷积神经网络详解(二)——自己手写一个卷积神经网络

深度学习卷积神经网络

Screenshot (15).png 　　上篇文章中我们讲解了卷积神经网络的基本原理，包括几个基本层的定义、运算规则等。本文主要写卷积神经网络如何进行一次完整的训练，包括前向传播和反向传播，并自己手写一个卷积神经网络。如果不了解基本原理的，可以先看看上篇文章：【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理卷积神经网络的前向传播　　首先我们来看一个最简单的卷积神经网络： image.png 　1.输入层---->卷积层以上一节的例子为例，输入是一个4*4 的image，经过两个2

2018-01-15

2.4K0

【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理

数据处理机器学习深度学习卷积神经网络

本文介绍了CNN的基本原理、卷积神经网络、池化层、激活函数、正则化、损失函数、优化算法、训练技巧、网络结构选择、调参方法、以及总结了一些关于手写数字识别的常见问题和解决方案。

2018-01-09

2.5K0

如何用卷积神经网络CNN识别手写数字集？

神经网络卷积神经网络

该文章介绍了如何使用深度学习进行图像分类，通过对比不同的CNN结构，并分析其准确率和计算速度，最终得出结论：使用较深的CNN结构可以提高准确率，但可能会降低计算速度。同时，也介绍了一些常用的优化方法，如Dropout、批量归一化等，这些方法可以提高训练速度和模型性能。

2018-01-09

1.1K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态