卷积神经网络新手
卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型，主要用于图像识别和计算机视觉任务。它模拟了人类视觉系统的工作原理，通过多层卷积和池化操作来提取图像的特征，并通过全连接层进行分类或回归。
卷积神经网络的优势在于：
- 对图像和空间数据具有良好的处理能力，能够自动学习和提取图像的特征。
- 参数共享和稀疏连接的设计使得网络具有较少的参数量，减少了过拟合的风险。
- 可以通过卷积和池化操作实现对图像的平移、缩放和旋转不变性。
- 在图像识别、目标检测、人脸识别等领域取得了很多重要的突破和应用。
在腾讯云上，可以使用以下产品和服务来支持卷积神经网络的开发和部署：
- 腾讯云AI智能图像（https://cloud.tencent.com/product/tii）：提供了图像识别、人脸识别、图像审核等功能，可以方便地应用于卷积神经网络的开发。
- 腾讯云GPU云服务器（https://cloud.tencent.com/product/cvm/gpu）：提供了强大的GPU计算能力，可以加速卷积神经网络的训练和推理过程。
- 腾讯云容器服务（https://cloud.tencent.com/product/tke）：提供了容器化部署的环境，可以方便地部署和管理卷积神经网络模型。
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）：提供了高可靠、低成本的存储服务，可以用于存储和管理大量的图像数据。
总结：卷积神经网络是一种用于图像识别和计算机视觉任务的深度学习模型，具有良好的特征提取能力和广泛的应用场景。在腾讯云上，可以利用AI智能图像、GPU云服务器、容器服务和对象存储等产品和服务来支持卷积神经网络的开发和部署。
相关·内容
1回答
我正在实施一个深层次的神经网络结构，这是一年前发表的，以与我自己的工作进行比较。发表的神经网络将CNN作为神经网络的组成部分之一。CNN的轮廓可以看到。
总之，一维卷积是由带有2x6输入矩阵的2x6核执行的。作者从上述卷积中提取了32个特征。我已经写信给作者，但还没有收到任何关于如何提取这32个特征的答复。
如果在座的任何人能帮我弄清楚这32个输出特性是如何产生的，我将非常感激。
非常感谢。
浏览 2提问于2022-07-02得票数 -1
回答已采纳
在Tensorflow中，是否有可能将图像特征(如SIFT特征)提供给卷积神经网络模型？我正在尝试一个的tensorflow实现，其中一个灰度图像是彩色的。图像特征会比向模型提供图像更好的选择吗？PS。我是机器学习的新手，不熟悉创建神经n/w模型。
浏览 4提问于2017-03-28得票数 0
回答已采纳
2回答
我是TensorFlow和深度学习的新手。我正在尝试创建一个完全连接的神经网络，用于图像处理。我有点困惑。
我们有一个图像，比如说28x28像素。这将有784个输入到NN。对于不相关的输入，这是很好的，但图像像素通常是相关的.举个例子，想想一张牛眼的照片。当我们将所有像素排列在一个阵列中，用于一个完全连接的网络时，神经网络如何理解这一点？它是如何确定相关性的？
浏览 2提问于2016-05-31得票数 1
回答已采纳
1回答
我正在尝试理解2D卷积神经网络和2D深度卷积神经网络在计算方面的异同。(我理解这些概念)。
例如，假设有一个3x3的输入图像，具有3个通道(RGB)，填充为1，步长为1。滤波器为2x2。
输出是什么？(可以忽略激活和偏差)
我知道普通的conv2D会有13x3的输出，而dw conv2D会有3。除此之外，我有点困惑。谢谢
浏览 0提问于2019-06-10得票数 4
我正在阅读Krizhevsky等人的基于深度卷积神经网络的ImageNet分类论文，并在Intro段落中看到了以下几条线：
它们(卷积神经网络)的容量可以通过改变它们的深度和宽度来控制，它们还对图像的性质(即统计量的平稳性和像素相依的局部性)作出了很强且大多数是正确的假设。因此，与具有类似尺寸层的标准前馈神经网络相比，CNN的连接和参数要少得多，因此它们更易于训练，而理论上最好的性能可能只是稍微差一些。
什么是“统计的平稳性”和“像素依赖性的局部性”？另外，CNN理论上最好的表现仅仅比前馈神经网络差一些，这有什么根据呢？
浏览 0提问于2019-07-30得票数 0
回答已采纳
我有一个问题，我不确定这是不是一个聪明的问题。但是我读了很多关于卷积神经网络的书。到目前为止，我了解到输出层可以是例如用于分类问题的softmax层，或者您可以进行回归以获得量化的值。但我想知道是否有可能推断出不止一个参数。例如，如果我有一个数据，我的输出标签是房子的价格和房子的大小。我知道这不是一个聪明的例子。但我只想知道，在卷积神经网络的同一输出层中，是否有可能预测两个不同的输出值。或者我需要两个不同的卷积神经网络，一个预测房子的大小，另一个预测房子的价格。那么我们如何将这两个预测结合起来呢？如果我们可以在一个卷积神经网络中做到这一点，那么我们如何做到呢？
浏览 1提问于2018-11-14得票数 0
2回答
我读过关于时间延迟神经网络(TDNN)的文章，我不确定我是否理解它。据我所知，tdnn的工作原理就像一维卷积神经网络(CNN)。
如果这些体系结构存在的话，它们之间有什么区别？
浏览 0提问于2021-01-20得票数 1
回答已采纳
我试着用its序列将蛋白质归入它们的家族。我可以在这个目的上使用深度卷积模型吗，即使它们使用图像的RGB3输入度量？是否有任何特定的方法来转换图像以外的数据集，以便使用这些模型进行分类。我是人工神经网络的新手，非常感谢您的建议。
浏览 4提问于2020-03-08得票数 2
1回答
我很抱歉，如果这个问题对你们来说非常明显或者非常基础，我只是一个高中生，试图理解神经网络。嘿，我已经研究了很多关于图像分类的问题，我在解释Inception-v3模型时遇到了这个问题：
我不习惯这些类型的插图，有人可以通过每个矩形的含义，以及为什么模型没有看起来像典型的神经网络插图的层，具有不同的层，例如：
浏览 0提问于2018-07-24得票数 3
4回答
现在我正在学习卷积神经网络。
为什么CNN必须有固定的输入大小？
我知道可以克服这个问题(用完全卷积的神经网络等)，而且我也知道，这是由于在网络的末尾放置了完全连接的层。
但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。
浏览 0提问于2019-11-30得票数 9
回答已采纳
2回答
我看到，当使用Theano的conv2d函数时，过滤器是垂直和水平翻转的。为什么会这样呢？在卷积神经网络的情况下，这是否重要？
浏览 0提问于2020-02-17得票数 1
回答已采纳
1回答
我读了一篇关于深度学习的文章，偶然发现了这个术语，叫做多尺度神经网络。我完全理解卷积神经网络的概念，但它的多尺度部分的理解有点困难。有人能帮帮我吗？提前感谢！
浏览 0提问于2021-11-05得票数 0
1回答
我在考虑一个玩具项目，它使用神经网络来识别物体。我的一些对象是非常相似的，当从一个特定的角度来看，但很容易区分时，从一个不同的角度。因此，我的问题是：
将同一对象的多个图像传送到网络中的方法是什么？或者哪种网络体系结构可以利用不同角度拍摄的多幅图像？
我对机器学习技术有很好的理解，但只对神经网络有基本的理解。所以我在这里寻找的是与谷歌搜索相关的方法、技术和其他术语的名称，以及可能感兴趣的特定论文或文章的链接。
浏览 4提问于2017-05-24得票数 4
回答已采纳
我对卷积神经网络如何通过其卷积运算学习的理论感兴趣。我认为它学习了(有用的)核，它测量其输入信号之间的相关性。此外，从技术角度看，卷积运算是作为“互相关”来实现的。所以我的假设是对的吗？
浏览 0提问于2021-02-16得票数 3
对人工智能知之甚少，只是对最终可能导致人工智能与人类大脑的能力相当并有可能超过人脑的能力的说法感到有点困惑。
那么，记忆电阻(硬件)和神经网络节点(软件)有什么不同呢？
这两者很可能是完全不相关的，但鉴于我的理解是神经网络是用来模拟“生物神经网络”的，在我看来，忆阻器只是由神经网络模拟的生物版本的silco版本。
我问的原因是，如果它们在概念上非常接近或相同(意味着它们只是在实现上不同)，人们不知道如何才能声称记忆电阻将缩小人工智能的差距。
浏览 2提问于2010-12-05得票数 1
回答已采纳
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
所以我是神经网络世界的新手，我已经对这个领域有了一点熟悉，并开始使用我自己的网络。
我正在使用意式宽面，我发现我的神经网络的训练花费了不可行的时间。也许我所看到的问题就是咬的太多，我只是不知道，因为我还不太熟悉这些东西是怎么回事。
我试着训练一个一维卷积神经网络，它有两个一维卷积层，两个最大汇聚层和两个完全连接的层。总之，神经网络有大约95,000个参数(权重+偏差)。我正在亚马逊的EC2 GPU实例上运行这个程序。我所发现的是在训练过程中，它需要0.3秒的时间。
相比之下，当我运行美国有线电视新闻网的拉萨涅MNIST的例子，它是大约0.0003秒/样本，1000倍的速度！平心而论，我的输入样
浏览 0提问于2015-10-06得票数 1
1回答
我是caffe的新手，我用64个7x7的特征映射训练了一个神经网络，当我得到一个滤波器的权重时，我得到了一个7x7矩阵。然而，我的第二层有32个3x3的特征映射，当我得到任何过滤器的权重时，我得到第二层的任何过滤器的64个3x3内核矩阵。有人知道为什么吗？
浏览 0提问于2018-03-12得票数 0
回答已采纳
4回答
我读了一篇关于卷积神经网络的文章，我发现了一些我不明白的东西，那就是：
过滤器必须有与输入图像相同的通道数，这样才能进行按元素方向的乘法。
现在，我不明白的是:什么是卷积神经网络中的通道？我试着寻找答案，但还不明白是什么。
有人能给我解释一下吗？
提前谢谢。
浏览 0提问于2019-12-05得票数 22
回答已采纳
我是卷积神经网络的新手...所以这可能是一个愚蠢的问题。
我已经学习了许多关于TensforFlow中的MNIST示例的示例和教程。在CNN的例子中，所有的作者都在谈论使用“输入过滤器”在CNN中运行。但据我所知没有人提到他们的出处。有人能回答这些是从哪里来的吗？或者它们是从输入图像中神奇地获得的。
谢谢!克里斯
浏览 1提问于2017-04-27得票数 0
3回答
我是机器学习和Keras的新手。我用Keras制作了一个神经网络，用于回归，如下所示：
model = Sequential()
model.add(Dense(57, input_dim=44, kernel_initializer='normal',
activation='relu'))
model.add(Dense(45, activation='relu'))
model.add(Dense(35, activation='relu'))
model.add(Dense(20, activation='rel
浏览 0提问于2018-08-27得票数 2
回答已采纳
我需要采取哪些步骤来构建深度学习文本分类器，更具体地说，是在一组未标记的文本中识别作者(作者归属)的文本分类器？我正在使用的模型是word-word CNN (卷积神经网络)，它在文本分类等方面已经被证明是非常成功的。我希望在python中建立这个模型。
我是深度学习的新手，所以任何资源和信息都是非常感谢的。
浏览 0提问于2020-03-04得票数 1
1回答
我很难在网上找到关于如何在卷积神经网络中使用偏差进行反向传播的资源。我所说的偏差是指通过卷积得到的每个数字相加的数字。 Here is a picture further explaining 我知道如何计算滤波器权重的梯度，但我不确定如何处理偏差。现在，我只是根据该层的平均误差来调整它。这是正确的吗？
浏览 57提问于2019-09-21得票数 0
回答已采纳
3回答
我正在学习吴家祥关于卷积神经网络的讲座，他给出了CNN比非卷积神经网络参数少的两个原因。它们是：
参数共享
缺乏联系。
虽然我能理解第一个原因导致CNN的参数更少。我不明白为什么连接的稀薄性，即“一个层中的每个输出来自少量的输入”导致网络具有较少的参数。
第二个原因是不是有点多余？
谁能解释一下吗？
浏览 0提问于2020-07-09得票数 2
1回答
在卷积神经网络中使用卷积和互相关运算的直觉是什么？我有兴趣将数字图像处理的理论结合起来，其中定义了这些2x操作，以及CNN。有人能帮我把这些点联系起来吗？
浏览 0提问于2018-10-31得票数 7
回答已采纳
2回答
卷积神经网络
、、、
这种对卷积神经网络的直观理解是否正确: 1.卷积基本上匹配图像的局部部分与卷积核/滤波器的相似程度。2.核/滤波器就像一个特征检测器。重要的是，它是学习的，并通过SGD自动修改和优化。
浏览 5提问于2016-08-24得票数 1
回答已采纳
我读了很多关于Jetson Nano和Google Coral Devboard的文章，在我读过的大多数文档和论文中，推断和部署都是使用预先构建的卷积神经网络来完成的，例如AlexNet，Inception，MobileNet和其他用于图像分类的神经网络。据我所知，这些微型计算机需要将神经网络转换为tensorflow模型或任何它们接受的框架，以执行模型的推断。 我想知道的是:对于Jetson Nano和Google Coral Devboard，我是否可以拥有与文档中举例说明的卷积神经网络无关的卷积神经网络，并将其部署到这些板上？
浏览 20提问于2020-12-24得票数 1
回答已采纳
1回答
多类神经网络
、、、、
这可能是一个错误的问题，或者是什么东西，所以请随意纠正我:)。
我已经研究神经网络好几周了。我偶然发现了使用神经网络的多类分类模型。
📷
正如我们在这张图中所看到的，模型允许您将输入分类为不同的类。但这也假设您的输入总是使用相同的数字特性，对吗？这意味着，如果我想识别手写数字，我应该有相同维数的图像(例如24x24)，这样我就可以使用相同数量的特性(在本例中是24x24=576)。但是，如果一个类，例如6号，需要不同数量的特征(比如手写数字6的尺寸是30×30像素)，该怎么办？
我知道这样做的逻辑方法是有两个不同的神经网络，但有没有办法同时训练一个多类别的分类模型，其中输入可能使用不同的特征？
浏览 0提问于2018-10-26得票数 1
回答已采纳
1回答
全卷积变分自编码器
、、、
我想做一个神经网络，它使用黑白图像作为输入，并输出它的彩色版本。在这个过程中，重要的是图像的大小必须保持不变。
通常，这是通过使用完全卷积网络与GAN或AE architecture。现在我决定实现一个VAE版本，但是当我在互联网上查找它时，我发现了潜在空间是线性/密集的版本，这意味着它破坏了整个卷积。
对于这类神经网络，VAE不是一种有效的方法吗？或者有人可以提供解决方案/代码来帮助这种情况？(Pytorch更喜欢)
浏览 0提问于2019-08-17得票数 1
2回答
新图像尺寸的传递学习
、、、
转移学习:将经过训练的神经网络用于新的分类任务。
当我们想要用卷积神经网络进行传递学习时，我们不需要使用与训练所用的图像大小相同的图像大小。但如果我们改变输入的大小，我们将不得不重新训练完全连接的层。见这篇文章是关于堆栈溢出的。
我不明白为什么改变输入形状不会影响卷积层的重量和为什么它会影响完全连接的层权重。
如果我的问题听不懂，请告诉我。
浏览 0提问于2019-08-16得票数 1
回答已采纳
1回答
我正在学习Convolutional Neural Network，现在我对如何实现它感到困惑。
我知道常规的神经网络和像Gradient Descent和Back Propagation这样的概念，我也能理解CNN是如何直观地工作的。
我的问题是关于CNN的反向传播。它是如何发生的？最后一个完全连通的层是规则神经网络，这是没有问题的。但是我如何更新卷积层中的滤波器呢？如何将错误从完全连接的层反向传播到这些过滤器？我的问题是更新过滤器！
过滤器只是简单的矩阵？或者他们有像规则神经网络这样的结构，并且层间的连接模拟这种能力？我读过关于Sparse Connectivity和Shared Weig
浏览 1提问于2018-05-13得票数 0
回答已采纳
1回答
我的团队一直在研究Caffe的MNIST示例，并且能够在一些神经网络的层(如卷积层)中定位/指定神经元/滤波器的数量，这是一个名为num_output的参数所引用的。但是，池层似乎没有指定它们具有/我们可以调整的输出数量。有没有任何方法来定位这些信息，以便我能够知道在MNIST示例神经网络的每一层中存在多少个神经元？
另外，第一卷积层具有num_output = 20，第二卷积层具有num_output = 50。这层深度的跳跃是如何产生的？我假设这是因为卷积层1和2之间的池层，但我还是不明白池层有多少过滤器。
浏览 2提问于2016-06-08得票数 2
回答已采纳
1回答
根据MLOPs原理，建议使用特征存储。问题在于如何利用卷积神经网络这样的深度学习模型进行图像分类，该模型作为训练过程的一部分进行自动特征工程(使用卷积层)。
问题
对于纯图像分类/分割模型，有一个特征存储有意义吗？
哪些特性应该存储在功能存储中？卷积层的输出？但是在训练过程中，它们不能被重用，因为在训练过程中，它们会被卷积层重建。
浏览 0提问于2021-02-09得票数 0
1回答
我正在寻找一个建议，尽快实施卷积算法的CNN推断，但不是一个培训。 这种卷积神经网络被建模为alexnet、mobilenet、resnet等。将在嵌入式ARM设备(A72，A53，A35)上运行，也可能在嵌入式图形处理器上运行。 据我所知，目前已经有各种实现方式和神经网络框架，它们有不同的实现方式，如直接卷积、展开卷积(im2col)、基于快速傅立叶变换或Winograd，但我的主要关注点是在嵌入式设备的性能约束下执行CNN。 如果任何人有经验，并可以推荐卷积实现CPU和并行实现，指向研究论文或开源实现，我将非常感激。
浏览 19提问于2019-02-27得票数 1
1回答
神经网络中卷积层的输入是一幅大小为128\times 128\times 3.的图像。
采用了尺寸为40的5\times 5卷积滤波器。你能得到输出吗？如果不是，那为什么不呢？如果是，输出的大小是多少？
浏览 0提问于2019-02-19得票数 0
3回答
我想我在某个地方读到，随着层数的增加，卷积神经网络不会像标准的乙状结肠神经网络那样遭受消失梯度问题的困扰。但我一直找不到“为什么”。
它是否真的没有问题，还是我错了，它取决于激活功能？我一直在使用校正线性单元，所以我从未测试过卷积神经网络中的Sigmoid单元
浏览 10提问于2015-03-09得票数 8
回答已采纳
1回答
我读了这篇文章""，它改进了自动编码器中隐藏层的可视化，但我对如何可视化卷积神经网络的滤波器感到困惑。在我看来，对于第一个卷积层，为了可视化滤波器，它需要这个等式：
![]()
对于第二卷积层，它应该将滤波器投影到原始输入空间，但我不知道如何做到这一点。
浏览 2提问于2013-05-15得票数 3
1回答
我有一个包含11*11*21 3D数据文件的文件夹，我正在尝试用3D卷积神经网络进行二进制分类。我只在gluon教程上找到了2D卷积神经网络的教程，我不确定要更改哪些内容来适应3D数据。我遵循本教程，但是使用我自己的数据，我试图将图层更改为3D，但我被其他需要更改的内容卡住了。
我对凸面和3D凸面非常陌生，因此任何帮助都将不胜感激。
浏览 50提问于2018-08-04得票数 -1
我在卷积神经网络结构上测试了一些变化。我试图在conv层之后添加BatchNorm层，而不是添加激活层。然后我用BatchNorm层交换激活层。
# here example of conv-> b_norm -> activation
...
nn.Conv2d(out_, out_, kernel_size=(1, 3), padding=(0, 1), bias=False),
nn.BatchNorm2d(out_),
nn.LeakyReLU(),
...
# here example of conv-> activation -> b_norm
...
浏览 19提问于2021-09-10得票数 1
回答已采纳
1回答
我已经看到了几种不同的卷积神经网络(CNN)的架构。我搞不懂哪一种是标准，以及如何决定使用什么。我并不为所使用的层数或所涉及的参数数目感到困惑，而是对网络的组件感到困惑。
假设：
CL =卷积层SL =次采样层(池) CM =卷积映射NN =神经网络Softmax = softmax分类器(类似于线性分类器)
体系结构1
CL，SL，CL，SL，CM，Softmax
架构2(我们最终真的需要NN吗？) 。
CL，SL，CL，SL，NN，Softmax
建筑3我的想法
CL，SL，CL，SL，Softmax
浏览 2提问于2014-10-17得票数 3
1回答
我有一本回忆录要写，主要的主题是比较Google的图像识别深度学习算法和我的老师用增量神经网络创建我自己的(基于我的老师)的算法，并建立一个基准。
有人能给我一些资源，让我了解更多关于Google深层学习神经网络在图像识别中的实现吗？
浏览 6提问于2017-05-17得票数 0
回答已采纳
2回答
我的工作是分析脑电数据，这些数据最终需要分类。然而，获得唱片的标签有点昂贵，这促使我考虑了无监督的方法，以更好地利用我们相当数量的未标记数据。
这自然导致考虑堆叠的自动编码器，这可能是一个好主意。然而，使用卷积神经网络也是有意义的，因为某种类型的滤波通常是一种非常有用的EEG方法，很可能考虑的时间应该是局部的，而不是作为一个整体来分析。
有什么好办法把这两种方法结合起来吗？似乎当人们使用CNN的时候，他们通常使用监督训练，还是什么？为我的问题探索神经网络的两个主要好处似乎是无监督的方面，以及微调(例如，创建一个关于人口数据的网络，然后对一个人进行微调)。
那么，有没有人知道我是否可以把CNN训
浏览 0提问于2017-03-21得票数 12
回答已采纳
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
腾讯云开发者
