卷积神经网络(CNN)

xhz

卷积神经网络与普通神经网络相同，因为它们也由具有可学习的权重和偏差的神经元组成。 普通的神经网络忽略了输入数据的结构，所有的数据在送入网络之前都被转换为一维数组。 该过程适合常规数据，但是如果数据包含图像，则该过程可能很麻烦。
CNN很容易解决这个问题。 它在处理图像时考虑了图像的二维结构，这使得它们可以提取特定于图像的属性。 这样，CNN的主要目标就是从输入层中的原始图像数据到输出层中的正确类。 普通神经网络和CNN之间唯一的区别在于处理输入数据和图层类型。
CNN的体系结构概述
在架构上，普通的神经网络接收输入并通过一系列隐藏层转换它。 在神经元的帮助下，每层都连接到另一层。 普通神经网络的主要缺点是它们不能很好地扩展到完整的图像。
CNN的体系结构具有三维排列的神经元，称为宽度，高度和深度。 当前图层中的每个神经元都连接到前一图层的一小部分输出。 它类似于在输入图像上叠加一个`
//更多请阅读：https://www.yiibai.com/ai_with_p ... _deep_learning.html