CNN学习笔记：池化层 池化 　　池化（Pooling）是卷积神经网络中另一个重要的概念，它实际上是一种形式的降采样。有多种不同形式的非线性池化函数，而其中“最大池化（Max pooling）”是 ...

CNN学习笔记：卷积运算 边缘检测 　　　　 卷积 　　卷积是一种有效提取图片特征的方法。一般用一个正方形卷积核，遍历图片上的每一个像素点。图片与卷积核重合区域内相对 ...

CNN学习笔记：正则化缓解过拟合 过拟合现象 　　在下图中，虽然绿线完美的匹配训练数据，但太过依赖，并且与黑线相比，对于新的测试数据上会具有更高的错误率。虽然这个模型在训练数据集上的正确率很高，但 ...

CNN学习笔记：全连接层 全连接层 　　全连接层在整个网络卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的特征表示 ...

CNN学习笔记：梯度下降法 梯度下降法 　　梯度下降法用于找到使损失函数尽可能小的w和b，如下图所示，J(w,b)损失函数是一个在水平轴w和b上面的曲面，曲面的高度表示了损失函数在某一个点的值 ...

CNN学习笔记：激活函数 激活函数 　　激活函数又称非线性映射，顾名思义，激活函数的引入是为了增加整个网络的表达能力（即非线性）。若干线性操作层的堆叠仍然只能起到线性映射的作用，无法形成复杂的函数 ...