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：

1. 完全连接的输入层
2. 卷积，池化和完全连接层的多种组合
3. 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。