使用 TensorFlow 和 Keras 的 CNN
卷积神经网络( CNN )是一种特殊的前馈神经网络,在其架构中包含卷积和汇聚层。也称为 ConvNets,CNN 架构的一般模式是按以下顺序包含这些层:
- 完全连接的输入层
- 卷积,池化和完全连接层的多种组合
- 完全连接的输出层,具有 softmax 激活函数
CNN 架构已被证明在解决涉及图像学习的问题(例如图像识别和对象识别)方面非常成功。
在本章中,我们将学习与 ConvNets 相关的以下主题:
- 理解卷积
- 了解池
- CNN 架构模式-LeNet
- LeNet for MNIST 数据集
- 带有 TensorFlow 的 MNIST 的 LeNet
- 带有 Keras 的 MNIST 的 LeNet
- LeNet for CIFAR 数据集
- 带有 TensorFlow 的 CIFAR10 的 LeNet CNN
- 带有 Keras 的 CIFAR10 的 LeNet CNN
让我们从学习 ConvNets 背后的核心概念开始。