CNN原理基本学习

1.基本架构

一个CNN网络一般都是卷积、池化、卷积、池化,…,全连接的模式。

最简单的就是

卷积层(特征提取)→激活函数(为了加入非线性因素)→池化层(采样层,用于压缩数据)→全连接层(用于分类)→反向传播算法,前馈神经网络等调整卷积核参数

TensorFlow介绍

1.关于TensorFlow

TensorFlow是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让你可以在多种平台上展开计算,例如台式计算机中的一个或多个CPU(或GPU),服务器,移动设备等等。TensorFlow 最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来,用于机器学习和深度神经网络方面的研究,但这个系统的通用性使其也可广泛用于其他计算领域。