人工智能学习03mnist手写数字实战

在输入神经网络前对数据进行处理&＃xff0c;而不是把28*28的图片直接展平输入网络

https://blog.csdn.net/CP18281638639/article/details/117418615 卷积、池化、全连接层

1. 卷积
   卷积操作最终要得到&＃xff1a;使损失函数最小&＃xff08;预测值和真实值最接近&＃xff09;时的卷积核的内容
   
   2 . 池化
   提输入参数&＃xff0c;提高效率
   
   3 . 激活
   提高运算速率&＃xff0c;同时增加一些非线性处理
   
   

• 叠加
  

• 输入神经网络

• 卷积后的尺寸计算
  
  步长越小&＃xff0c;遍历地越仔细
  
  默认不加边
  
  卷积&＃xff1a;提取特征
  池化&＃xff1a;求最大或平均值&＃xff08;不需要训练&＃xff09;
  
  &＃xff08;3*3&＃43;1&＃xff08;1个偏置项&＃xff09;&＃xff09;*2&＃xff08;filters&＃xff0c;卷积核数量&＃xff09;
  

• LeNet-5网络

·······················

给图片增加维度&＃xff1a;数量&＃xff08;前&＃xff09;&＃xff0c;几层&＃xff08;后&＃xff09;

把自己画好的图片保存在与程序相同的文件夹中

读取图片两个参数&＃xff1a;&＃xff08;图片名&＃xff0c;读取图片的方式&＃xff08;0 灰度&＃xff1b;1 彩色&＃xff09;&＃xff09;

返回了十个概率值

看看这个概率对应哪个数字

读取自己的这个图片&＃xff0c;经过预处理之后把它作为输入加载到模型中&＃xff0c;得到预测结果

自己画了一个9