之前实现了一层的卷积神经网络，又实现了两层的卷积神经网络，接下来把cnn扩展到任意层就不难了。
这难道就是传说中的“道生一，一生二，二生三，三生万物”么？＝。＝
代码还是在github上。
比较有趣的一点是，我分别用两层的神经网络和一层的神经网络进行了实现，结果如下图：
两层的cnn结果：
一层的cnn结果：
可以看到，一层的cnn结果反而比两层的好，那么很有可能是两层的cnn出现了过拟合现象。对于mnist这种小数据集，一层的cnn加上一些参数调优绝对是够用了的。
之前实现了一层的卷积神经网络，又实现了两层的卷积神经网络，接下来把cnn扩展到任意层就不难了。
这难道就是传说中的“道生一，一生二，二生三，三生万物”么？＝。＝
代码还是在github上。
比较有趣的一点是，我分别用两层的神经网络和一层的神经网络进行了实现，结果如下图：
两层的cnn结果：
一层的cnn结果：
可以看到，一层的cnn结果反而比两层的好，那么很有可能是两层的cnn出现了过拟合现象。对于mnist这种小数据集，一层的cnn加上一些参数调优绝对是够用了的。
![Kubernetes 1.9.0 Alpha.1 发布公告 [Kubernetes 最新动态]](https://img1.php1.cn/3cd4a/25047/ae9/3397348f4961686e.png)
京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有 