机器学习相关概念的直观理解

目录

深度学习: 

网络结构

CNN结构包含:

卷积运算

池化运算

激活函数

损失函数


深度学习: 

基于卷积神经网络CNN

监督学习已知规律,求出已知结果

非无监督学习未知规律,求规律结果

语义分割对图像进行对象区别

注意力机制找到特定对象

网络结构

CNN中的通道channels:代表特征,例如:一般的RGB图片,channels的数量是3(红、绿、蓝)

上采样放大图像

下采样缩小图像

CNN结构包含:

卷积运算

本质为矩阵运算

点积:累加积数求和

(输入矩阵*卷积核)的和=输出值

根据步长遍历,得出输出矩阵

输出行/列=(输入行/列-卷积核行/列)/步长+1

机器学习相关概念的直观理解_第1张图片

池化运算

目的为了减小矩阵大小

分块:选最大值、最小值、平均值

机器学习相关概念的直观理解_第2张图片

激活函数

Sigmoid:平滑函数

机器学习相关概念的直观理解_第3张图片

Relu:分段函数

机器学习相关概念的直观理解_第4张图片

损失函数

选取最优化模型

损失函数越小,模型的鲁棒性便越好

鲁棒性在异常和危险情况下,抗干扰能力

你可能感兴趣的:(机器学习,深度学习,cnn)