Python深度学习之实现卷积神经网络


Posted in Python onJune 05, 2021

一、卷积神经网络

Yann LeCun 和Yoshua Bengio在1995年引入了卷积神经网络,也称为卷积网络或CNN。CNN是一种特殊的多层神经网络,用于处理具有明显网格状拓扑的数据。其网络的基础基于称为卷积的数学运算。

卷积神经网络(CNN)的类型

以下是一些不同类型的CNN:

  • 1D CNN:1D CNN 的输入和输出数据是二维的。一维CNN大多用于时间序列。
  • 2D CNNN:2D CNN的输入和输出数据是三维的。我们通常将其用于图像数据问题。
  • 3D CNNN:3D CNN的输入和输出数据是四维的。一般在3D图像上使用3D CNN,例如MRI(磁共振成像),CT扫描(甲CT扫描或计算机断层扫描(以前称为计算机轴向断层或CAT扫描)是一种医学成像 技术中使用的放射学获得用于非侵入性详述的身体的图像诊断的目的)和其他复杂应用程序的DICOM图像(医学数字成像)

二、网络架构

以下是CNN中不同层的网络架构:

  • 卷积层
  • 池化层
  • 全连接层

CNN架构的完整概述

Python深度学习之实现卷积神经网络

三、卷积

卷积是对名为fg的两个函数的数学计算,得出第三个函数(f * g)。第三个功能揭示了一个形状如何被另一个形状修改。其数学公式如下:

h ( x , y ) = f ( x , y ) ∗ g ( x , y ) h(x,y)=f(x,y)*g(x,y) h(x,y)=f(x,y)∗g(x,y)

Python深度学习之实现卷积神经网络

卷积有几个非常重要的概念:遮罩。

Python深度学习之实现卷积神经网络

图中的黄色的部分的就是遮罩

四、卷积层

卷积层是CNN的核心构建块。CNN是具有一些卷积层和其他一些层的神经网络。卷积层具有几个进行卷积运算的过滤器。卷积层应用于二维输入,由于其出色的图像分类工作性能而非常著名。它们基于具有二维输入的小核k的离散卷积,并且该输入可以是另一个卷积层的输出。

Python深度学习之实现卷积神经网络

五、在Keras中构建卷积层

from keras.models import Sequential
from keras.layers.convolutional import Conv2D
model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(32, 32, 3), padding='same', activation='relu'))

上面的代码实现说明:

  • 输出将具有32个特征图。
  • 内核大小将为3x3。
  • 输入形状为32x32,带有三个通道。
  • padding = same。这意味着需要相同尺寸的输出作为输入。
  • 激活指定激活函数。

接下来,使用不同的参数值构建一个卷积层,如下所示

六、池化层

池化层它的功能是减少参数的数量,并减小网络中的空间大小。我们可以通过两种方式实现池化:

  • Max Pooling:表示矩形邻域内的最大输出。Average Pooling:表示矩形邻域的平均输出
  • Max Pooling和Average Pooling减少了图像的空间大小,提供了更少的特征和参数以供进一步计算。

Python深度学习之实现卷积神经网络

上图显示了带有步幅为2的2X2滤波器的MaxPool池化层。

Python深度学习之实现卷积神经网络

在Keras中实现Max Pool层,如下所示:

model.add(MaxPooling2D(pool_size =(2,2)))

七、全连接层

全连接层是确定最终预测的所有输入和权重的总和,代表最后一个合并层的输出。它将一层中的每个神经元连接到另一层中的每个神经元

Python深度学习之实现卷积神经网络

全连接层的主要职责是进行分类。它与softmax激活函数一起使用以得到结果。

用于多类的激活函数是softmax函数,该函数以0和1(总计为1)的概率对完全连接的层进行规范化。

带有非线性函数“ Softmax”的Keras代码如下:

model.add(Dense(10, activation='softmax'))

八、Python实现卷积神经网络

环境Google Colab

导入所有必需的库

import numpy as np
import pandas as pd
from keras.optimizers import SGD
from keras.datasets import cifar10
from keras.models import Sequential
from keras.utils import np_utils as utils
from keras.layers import Dropout, Dense, Flatten
from keras.layers.convolutional import Conv2D, MaxPooling2D

加载cifar10数据:

(X, y), (X_test, y_test) = cifar10.load_data()
# 规范化数据
X,X_test = X.astype('float32')/ 255.0,X_test.astype('float32')/ 255.0

转换为分类:

y,y_test = utils.to_categorical(y,10),u.to_categorical(y_test,10)

初始化模型:

model = Sequential()

使用以下参数添加卷积层:

  • Features map = 32
  • 内核大小= 3x3
  • 输入形状= 32x32
  • Channels = 3
  • Padding = 3→表示与输入相同的尺寸输出
model.add(Conv2D(32, (3, 3), input_shape=(32, 32, 3), padding='same', activation='relu'))
# Dropout
model.add(Dropout(0.2))
# 添加另一个卷积层 padding ='valid'表示输出尺寸可以采用任何形式
model.add(Conv2D(32,(3,3),activation ='relu',padding ='valid'))
# 添加一个最大池化层
model.add(MaxPooling2D(pool_size =(2,2)))
# 展平
model.add(Flatten())
# Dense层 隐藏单元数为521
model.add(Dense(512, activation='relu'))
# Dropout
model.add(Dropout(0.3))
#output 
model.add(Dense(10, activation='softmax'))
# 编译模型 激活器选择SGD
model.compile(loss='categorical_crossentropy',             optimizer=SGD(momentum=0.5, decay=0.0004), metrics=['accuracy'])

25个epochs

model.fit(X, y, validation_data=(X_test, y_test), epochs=25,          batch_size=512)

Python深度学习之实现卷积神经网络

九、总结

卷积神经网络是一种特殊的多层神经网络,主要用于提取特征。CNN使用称为卷积和池化的两个操作将图像缩小为其基本特征,并使用这些特征适当地理解和分类图像

到此这篇关于Python深度学习之实现卷积神经网络的文章就介绍到这了,更多相关Python实现卷积神经网络内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
跟老齐学Python之Python安装
Sep 12 Python
深入解析Python中的上下文管理器
Jun 28 Python
Django URL传递参数的方法总结
Aug 28 Python
用PyInstaller把Python代码打包成单个独立的exe可执行文件
May 26 Python
Python运维之获取系统CPU信息的实现方法
Jun 11 Python
程序员写Python时的5个坏习惯,你有几条?
Nov 26 Python
django框架使用orm实现批量更新数据的方法
Jun 21 Python
python range实例用法分享
Feb 06 Python
python实现从尾到头打印单链表操作示例
Feb 22 Python
Python socket服务常用操作代码实例
Jun 22 Python
C3 线性化算法与 MRO之Python中的多继承
Oct 05 Python
Python四款GUI图形界面库介绍
Jun 05 Python
python opencv通过4坐标剪裁图片
Jun 05 #Python
Python还能这么玩之只用30行代码从excel提取个人值班表
Jun 05 #Python
拒绝盗图!教你怎么用python给图片加水印
python四个坐标点对图片区域最小外接矩形进行裁剪
Python OpenCV 图像平移的实现示例
Python包argparse模块常用方法
Jun 04 #Python
opencv读取视频并保存图像的方法
You might like
apache+codeigniter 通过.htcaccess做动态二级域名解析
2012/07/01 PHP
php实现webservice实例
2014/11/06 PHP
PDO::lastInsertId讲解
2019/01/29 PHP
Thinkphp 框架配置操作之配置加载与读取配置实例分析
2020/05/15 PHP
JavaScript中的排序算法代码
2011/02/22 Javascript
基于jquery实现一张图片点击鼠标放大再点缩小
2013/09/29 Javascript
jQuery实现分章节锚点“回到顶部”动画特效代码
2015/10/23 Javascript
全面解析Bootstrap中scrollspy(滚动监听)的使用方法
2016/06/06 Javascript
基于JQuery实现分隔条的功能
2016/06/17 Javascript
模拟javascript中的sort排序(简单实例)
2016/08/17 Javascript
自定义require函数让浏览器按需加载Js文件
2016/11/24 Javascript
jquery pagination分页插件使用详解(后台struts2)
2017/01/22 Javascript
提高Web性能的前端优化技巧总结
2017/02/27 Javascript
jquery实现左右滑动式轮播图
2017/03/02 Javascript
vue.js指令v-model使用方法
2017/03/20 Javascript
Node.js 实现简单的接口服务器的实例代码
2017/05/23 Javascript
VUE v-for循环中每个item节点动态绑定不同函数的实例
2018/09/26 Javascript
微信小程序设置全局请求URL及封装wx.request请求操作示例
2019/04/02 Javascript
node.js 基于 STMP 协议和 EWS 协议发送邮件
2021/02/14 Javascript
python 查找文件夹下所有文件 实现代码
2009/07/01 Python
基于python socketserver框架全面解析
2017/09/21 Python
pytorch 实现在预训练模型的 input上增减通道
2020/01/06 Python
Django 后台带有字典的列表数据与页面js交互实例
2020/04/03 Python
基于Python组装jmx并调用JMeter实现压力测试
2020/11/03 Python
美国在线面料商店:Fashion Fabrics Club
2020/01/31 全球购物
中专毕业生自我鉴定
2014/02/02 职场文书
中学生个人自我评价
2014/02/06 职场文书
科学发展观标语
2014/10/08 职场文书
免职证明样本
2014/10/23 职场文书
企业党的群众路线教育实践活动学习心得体会
2014/10/31 职场文书
计划生育工作总结2015
2015/04/03 职场文书
《颐和园》教学反思
2016/02/19 职场文书
Html5调用企业微信的实现
2021/04/16 HTML / CSS
Go语言切片前或中间插入项与内置copy()函数详解
2021/04/27 Golang
使用pipenv管理python虚拟环境的全过程
2021/09/25 Python
Nginx动静分离配置实现与说明
2022/04/07 Servers