卷积神经网络的工作过程

1、 我们将核数组上下翻转、左右翻转,再与输入数组做互相关运算,这一过程就是卷积运算。 由于卷积层的核数组是可学习的,所以使用互相关运算与使用卷积运算并无本质区别。 二维卷积层将输入和卷积核做互相关运算,并加上一个标量偏置来得到输出。 卷积层的模型参数包括卷积核和标量偏置。

3、 这个过程我们可以理解为我们使用一个过滤器(卷积核)来过滤图像的各个小区域,从而得到这些小区域的特征值。 在具体应用中,往往有多个卷积核,可以认为,每个卷积核代表了一种图像模式,如果某个图像块与此卷积核卷积出的值大,则认为此图像块十分接近于此卷积核。

2、 以下是利用卷积神经网络实现图片分类的基本步骤：数据准备：首先，你需要一组标记的图像数据集。 这些图像需要被分为训练集和测试集。 同时，你需要为每个类别提供一些样本图像。 模型构建：使用CNN模型构建器（如Keras、PyTorch等）创建一个CNN模型。