当前位置: 首页 > news >正文

做网站人家直接百度能搜到的青岛网络工程优化

做网站人家直接百度能搜到的,青岛网络工程优化,徐州人才网招聘信息,高端网站建设定制机器学习——典型的卷积神经网络 卷积神经网络(Convolutional Neural Networks,CNNs)是一类在图像处理领域应用广泛的深度学习模型。它通过卷积操作和池化操作来提取图像的特征,并通过全连接层来进行分类或回归任务。在本文中&am…

机器学习——典型的卷积神经网络

卷积神经网络(Convolutional Neural Networks,CNNs)是一类在图像处理领域应用广泛的深度学习模型。它通过卷积操作和池化操作来提取图像的特征,并通过全连接层来进行分类或回归任务。在本文中,我们将介绍三种典型的卷积神经网络:LeNet-5、AlexNet和ResNet,并用Python实现这些算法。

1. LeNet-5

LeNet-5是由Yann LeCun等人于1998年提出的用于手写数字识别的卷积神经网络,它是深度学习领域的先驱之一。LeNet-5主要由卷积层、池化层和全连接层组成。

网络结构

  1. 输入层:32x32的灰度图像
  2. 卷积层C1:6个5x5的卷积核,步长为1
  3. 池化层S2:2x2的最大池化,步长为2
  4. 卷积层C3:16个5x5的卷积核,步长为1
  5. 池化层S4:2x2的最大池化,步长为2
  6. 全连接层C5:120个神经元
  7. 全连接层F6:84个神经元
  8. 输出层:10个神经元,对应10个类别

参数数量

  • C1:(5x5+1) * 6 = 156
  • C3:(5x5x6+1) * 16 = 2416
  • C5:(400+1) * 120 = 48120
  • F6:(120+1) * 84 = 10164
  • 输出层:(84+1) * 10 = 850

总参数数量:156 + 2416 + 48120 + 10164 + 850 = 61906

Python实现

import torch
import torch.nn as nnclass LeNet5(nn.Module):def __init__(self):super(LeNet5, self).__init__()self.conv1 = nn.Conv2d(1, 6, kernel_size=5)self.conv2 = nn.Conv2d(6, 16, kernel_size=5)self.fc1 = nn.Linear(16*5*5, 120)self.fc2 = nn.Linear(120, 84)self.fc3 = nn.Linear(84, 10)def forward(self, x):x = torch.relu(self.conv1(x))x = torch.max_pool2d(x, kernel_size=2, stride=2)x = torch.relu(self.conv2(x))x = torch.max_pool2d(x, kernel_size=2, stride=2)x = x.view(-1, 16*5*5)x = torch.relu(self.fc1(x))x = torch.relu(self.fc2(x))x = self.fc3(x)return x# 创建LeNet-5模型实例
model = LeNet5()

2. AlexNet

AlexNet是由Alex Krizhevsky等人在2012年的ImageNet挑战赛上获胜的卷积神经网络,它是深度学习在计算机视觉领域应用的一个重要里程碑。AlexNet主要由卷积层、池化层和全连接层组成。

网络结构

  1. 输入层:227x227的RGB图像
  2. 卷积层C1:96个11x11的卷积核,步长为4
  3. 池化层S2:3x3的最大池化,步长为2
  4. 卷积层C3:256个5x5的卷积核,步长为1
  5. 池化层S4:3x3的最大池化,步长为2
  6. 卷积层C5:384个3x3的

卷积核,步长为1
7. 卷积层C6:384个3x3的卷积核,步长为1
8. 卷积层C7:256个3x3的卷积核,步长为1
9. 全连接层FC8:4096个神经元
10. 全连接层FC9:4096个神经元
11. 输出层:1000个神经元,对应1000个类别

参数数量

  • C1:(11x11x3+1) * 96 = 34944
  • C3:(5x5x96+1) * 256 = 614656
  • C5:(3x3x256+1) * 384 = 885120
  • C6:(3x3x384+1) * 384 = 1327488
  • C7:(3x3x384+1) * 256 = 884992
  • FC8:(9216+1) * 4096 = 37752832
  • FC9:(4096+1) * 4096 = 16781312
  • 输出层:(4096+1) * 1000 = 4097000

总参数数量:34944 + 614656 + 885120 + 1327488 + 884992 + 37752832 + 16781312 + 4097000 = 62083544

Python实现

import torch
import torch.nn as nnclass AlexNet(nn.Module):def __init__(self):super(AlexNet, self).__init__()self.features = nn.Sequential(nn.Conv2d(3, 96, kernel_size=11, stride=4),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),nn.Conv2d(96, 256, kernel_size=5, padding=2),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),nn.Conv2d(256, 384, kernel_size=3, padding=1),nn.ReLU(inplace=True),nn.Conv2d(384, 384, kernel_size=3, padding=1),nn.ReLU(inplace=True),nn.Conv2d(384, 256, kernel_size=3, padding=1),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),)self.avgpool = nn.AdaptiveAvgPool2d((6, 6))self.classifier = nn.Sequential(nn.Dropout(),nn.Linear(256 * 6 * 6, 4096),nn.ReLU(inplace=True),nn.Dropout(),nn.Linear(4096, 4096),nn.ReLU(inplace=True),nn.Linear(4096, 1000),)def forward(self, x):x = self.features(x)x = self.avgpool(x)x = torch.flatten(x, 1)x = self.classifier(x)return x# 创建AlexNet模型实例
model = AlexNet()

3. ResNet

ResNet是由Kaiming He等人在2015年提出的一个非常深的卷积神经网络,它采用了残差连接(Residual Connection)的方式来解决深层神经网络训练过程中的梯度消失问题。ResNet主要由卷积层、残差块和全连接层组成。

网络结构

  1. 输入层:224x224的RGB图像
  2. 卷积层:64个7x7的卷积核,步长为2,使用零填充
  3. 池化层:3x3的最大池化,步长为2
  4. 残差块(Residual Block):包含多个残差单元(Residual Unit)
  5. 全局平均池化层(Global Average Pooling)
  6. 全连接层:1000个神经元,对应1000个类别

参数数量

ResNet的参数数量取决于其深度,因为它的大部分层都是卷积层和残差块。具体参数数量可以根据网络

深度和残差块的数量进行计算。

Python实现

ResNet的实现较为复杂,可以使用PyTorch等深度学习框架提供的预训练模型来直接使用。

import torch
import torchvision.models as models# 加载预训练的ResNet模型
model = models.resnet50(pretrained=True)

总结

本文介绍了三种典型的卷积神经网络:LeNet-5、AlexNet和ResNet。这些网络在图像分类、目标检测和语义分割等计算机视觉任务中取得了巨大成功。它们的设计思想和结构各不相同,但都为深度学习在图像处理领域的发展做出了重要贡献。

http://www.dt0577.cn/news/34434.html

相关文章:

  • 企业服务包括哪些如何做好seo基础优化
  • 用axure做h5网站百度运营平台
  • 一个空间做多个网站宁波seo关键词优化教程
  • 怎么做营销网站推广淘宝友情链接怎么设置
  • 什么网站看电影是免费的网络策划与营销
  • 网站建设项目及费用易思企业网站管理系统
  • 黑龙江省建设局网站首页今日热点新闻
  • 房产网手机版网站建设目标网站自然优化
  • 用表格做网站教程科技网站建设公司
  • 重庆网站建设推广怀化网络推广
  • 沈阳快速网站建设网站开发百度做个人简介多少钱
  • 网站开发过程可分为北京自动seo
  • 网站开发 兼职挣钱吗经典软文案例100例简短
  • 东莞手机网站制作如何在百度推广自己的产品
  • 商丘做网站需要多少钱怎样找推广平台
  • 国外网站前台模板互联网
  • 新闻类的网站如何做优化seo诊断方案
  • wordpress 卡密销售荆门网站seo
  • 广州网站建设建航会计培训班要多少钱
  • 哪个网站可以做360度评估网络流量统计工具
  • 下拉框代码自做生成网站企业网站建设cms
  • 桂林网站建设无锡哪里有做网站的
  • 建设工程信息在什么网站发布武汉seo网站
  • 做公益网站有什么要求百度竞价广告点击器
  • 网站建设与O2O的应用推广策略包括哪些内容
  • 网站链接怎么做标记seo在线优化平台
  • 免费引流软件下载seo优缺点
  • 汨罗做网站价格seo推广关键词公司
  • 网站域名注册如何优化网页
  • 网站建设与维护功能意义做电商必备的几个软件