您的位置: 首页 > 文章 > 卷积神经网络笔记 卷积神经网络笔记 分类: 文章 • 2024-09-27 08:12:40 卷积神经网络系统结构 PS:在池化层和全链接层之间可以加入多个卷积、**、池化层 1、CONV:卷积层,用卷积核对输入图像进行卷积处理 2、RELU:**层,将负值归零 3、池化层:有损压缩,减小图片尺寸 输入带标签的训练数据之后,卷积神经网络会根据输出与训练标签的误差反向调整自身的参数(卷积核和全连接层的W矩阵),因此卷积神经网络能够记录每一个输入图片的特征,在训练完毕后,输入一副类似的图片,卷积神经网络就能够识别了