悟透卷积神经网络原理

神卷积神经网络-可视化解释神器：https://poloclub.github.io/cnn-explainer/

什么是卷积神经网络？

在机器学习中，分类器将类标签分配给数据点。例如，图像分类器为图像中存在的对象生成类标签（例如，鸟、平面）。卷积神经网络，简称CNN，是一种分类器，它擅长解决这个问题！

CNN是一种神经网络：一种用于识别数据模式的算法。神经网络通常由一组神经元组成，这些神经元按层组织，每个神经元都有自己的可学习权重和偏差。让我们将CNN分解为其基本构建块。

1. 张量可以被认为是一个n维矩阵。在上面的 CNN 中，张量将是 3 维的，输出层除外。
2. 神经元可以被认为是一个接受多个输入并产生单个输出的函数。神经元的输出在上面表示为红色→蓝色激活图。
3. 层只是具有相同操作的神经元的集合，包括相同的超参数。
4. 核权重和偏差虽然对每个神经元都是唯一的，但在训练阶段进行调整，并允许分类器适应提供的问题和数据集。它们在可视化中用黄色→绿色发散色标进行编码。可以通过单击神经元或将鼠标悬停在卷积弹性解释视图中的内核/偏差上，在交互式公式视图中查看特定值。
5. CNN 传达一个可微分分数函数，该函数在输出层的可视化中表示为类分数。

如果您以前研究过神经网络，这些术语对您来说可能听起来很熟悉。那么，是什么让CNN与众不同呢？CNN利用一种特殊类型的层，恰如其分地命名为卷积层，使它们能够很好地从图像和类似图像的数据中学习。关于图像数据，CNN可用于许多不同的计算机视觉任务，例如图像处理，分类，分割和对象检测。

在 CNN 解释器中，您可以看到如何使用简单的 CNN 进行图像分类。由于网络的简单性，其性能并不完美，但没关系！CNN解释器中使用的网络架构Tiny VGG包含许多与当今最先进的CNN中使用的相同的层和操作，但规模较小。这样，对CNN将更容易理解。