卷积神经网络（CNN）通过使用卷积层来提取图像数据的局部特征，再通过池化层（Pooling Layer）来降低特征的空间维度，最后通过全连接层（Fully Connected Layer）进行分类或回归任务。

本文将深入探讨使CNN功能强大的关键组件和操作，包括卷积、最大池化、步长、填充、上采样、下采样等概念。

在神经网络的基础上，看看卷积神经网络（CNN）是如何完成图像识别任务的。 一、图像识别的痛点问题 在CNN出现之前，图像识别有两个大难题： 图像需要处理的数……

前言 在图像处理领域，CNN(卷积神经网络)处于绝对统治地位，已经有无数的文章对其工作原理进行介绍，我不认为我能再写出一篇特别不一样的原理介绍文章，但对于……

卷积神经网络(Convolutional Neueal Networks,简称CNN)可以说是神经网路模型中的"网红"网络框架，在计算机视觉方面贡献很大。卷积神经网络中的核心基础，涉及……

「卷积神经网络」（Convolutional Neural Network，「CNN」）是一种前馈神经网络，常用于处理具有类似网格结构的数据，如图像。CNN 在图像识别、语音识别等领……

本文全面探讨了卷积神经网络CNN，深入分析了背景和重要性、定义与层次介绍、训练与优化，详细分析了其卷积层、激活函数、池化层、归一化层，最后列出其训练与……

卷积神经网络是一种曾经让我无论如何也无法弄明白的东西，主要是名字就太“高级”了，网上的各种各样的文章来介绍“什么是卷积”尤为让人受不了。听了吴恩达的网……

1. 矩阵扩展算法——简单的算卷积 接着上文，矩阵进行更深入的学习就需要学习更多的处理了，矩阵被运用在很多的领域，这里简单以计算机图形处理的重要概念——卷积……

如何使用标准深度学习模型（包括多层感知器（MLP），卷积神经网络（CNN）和递归神经网络（RNN））开发，评估和做出预测。 开发多层感知器模型 多层感知器模型……

神经网络已经存在很长时间了，那么近年来引发人工智能和深度学习热潮的原因是什么呢？[1秒]答案部分在于摩尔定律以及硬件和计算能力的显著提高。我们现在可以……

深度学习源于神经网络的研究，可理解为深层的神经网络。通过它可以获得深层次的特征表示，免除人工选取特征的繁复冗杂和高维数据的维度灾难问题。目前较为公认……

走进深度学习的过程中，最吸引作者的是一些用于给对象分类的模型。最新的科研结果表示，这类模型已经可以在实时视频中对多个对象进行检测。而这就要归功于计算……

加载数据 首先我们得先把数据下载下来，Tensorflow给我们提供了一个函数来进行下载，这个函数为read_data_sets 这个函数read_data_sets函数很简单，查看在目录……

卷积神经网络的发展主要是为了解决人类视觉问题，不过现在其它方向也都会使用。发展历程主要从Lenet5->Alexnet->VGG->GooLenet->ResNet等。 Len……

卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计……

了解卷积操作 了解神经网络 数据预处理 了解CNN 了解优化器 理解 ImageDataGenerator 进行预测并计算准确性 demo 什么是卷积？ 在数学（尤其是函数分析）中……

如何使用NumPy来构建卷积神经网络（Convolutional Neural Network , CNN）。 CNN是较早提出的一种神经网络，直到近年来才变得火热，可以说是计算机视觉领域中……

深度学习领域最知名的学者之一Yann LeCun今日在自己facebook上发表的一篇短文，瞬间引爆了国内人工智能关注者们的朋友圈。这条动态讲的是什么呢？为何会引起如……

Introduction 卷积神经网络CNN，虽然它听起来就像是生物学、数学和计算机的奇怪混杂产物，但在近些年的机器视觉领域，它是最具影响力的创新结果。随着Alex Kri……