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
基于python代码实现简易滤除数字的方法
Jul 17 Python
windows7 32、64位下python爬虫框架scrapy环境的搭建方法
Nov 29 Python
python开发准备工作之配置虚拟环境(非常重要)
Feb 11 Python
Python matplotlib画图与中文设置操作实例分析
Apr 23 Python
Python使用LDAP做用户认证的方法
Jun 20 Python
python 猴子补丁(monkey patch)
Jun 26 Python
使用python分析统计自己微信朋友的信息
Jul 19 Python
django商品分类及商品数据建模实例详解
Jan 03 Python
Python如何实现的二分查找算法
May 27 Python
Pycharm插件(Grep Console)自定义规则输出颜色日志的方法
May 27 Python
Python 操作 MySQL数据库
Sep 18 Python
分析Python list操作为什么会错误
Nov 17 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
PHP结合jquery ajax实现上传多张图片,并限制图片大小操作示例
2019/03/01 PHP
Laravel 创建指定表 migrate的例子
2019/10/09 PHP
PHP+Mysql分布式事务与解决方案深入理解
2021/02/27 PHP
js onpropertychange输入框 事件获取属性
2009/03/26 Javascript
JQuery为textarea添加maxlength属性的代码
2010/04/07 Javascript
基于jquery的让页面控件不可用的实现代码
2010/04/27 Javascript
javascript基础知识大全 便于大家学习,也便于我自己查看
2012/08/17 Javascript
对frameset、frame、iframe的js操作示例代码
2013/08/16 Javascript
Node.js安装教程和NPM包管理器使用详解
2014/08/16 Javascript
JS+CSS模拟可以无刷新显示内容的留言板实例
2015/03/03 Javascript
新手快速入门JavaScript装饰者模式与AOP
2019/06/24 Javascript
vue 实现单选框设置默认选中值
2019/11/07 Javascript
element实现合并单元格通用方法
2019/11/13 Javascript
基于Element封装一个表格组件tableList的使用方法
2020/06/29 Javascript
Vue项目打包部署到apache服务器的方法步骤
2021/02/01 Vue.js
为python设置socket代理的方法
2015/01/14 Python
Python __setattr__、 __getattr__、 __delattr__、__call__用法示例
2015/03/06 Python
在Python中使用SQLite的简单教程
2015/04/29 Python
Python入门Anaconda和Pycharm的安装和配置详解
2019/07/16 Python
Python GUI编程学习笔记之tkinter界面布局显示详解
2020/03/30 Python
html5摇一摇代码优化包括DeviceMotionEvent等等
2014/09/01 HTML / CSS
介绍一下Make? 为什么使用make
2016/07/31 面试题
新媒传信软件测试面试题
2013/02/24 面试题
团支书的期末学习总结自我评价
2013/11/01 职场文书
党校培训自我鉴定
2014/02/01 职场文书
国家奖学金获奖感言
2014/08/16 职场文书
对外汉语专业大学生职业生涯规划范文
2014/09/13 职场文书
2014小学一年级班主任工作总结
2014/12/05 职场文书
孔子观后感
2015/06/08 职场文书
红色革命电影观后感
2015/06/18 职场文书
创业计划书之珠宝饰品
2019/08/26 职场文书
自动在Windows中运行Python脚本并定时触发功能实现
2021/09/04 Python
详解Oracle数据库中自带的所有表结构(sql代码)
2021/11/20 Oracle
python套接字socket通信
2022/04/01 Python
Java死锁的排查
2022/05/11 Java/Android
Java获取字符串编码格式实现思路
2022/09/23 Java/Android