[机器学习入门] 李宏毅机器学习笔记-11（Convolutional Neural Network；卷积神经网络）

最新推荐文章于 2026-05-18 12:34:46 发布
原创 最新推荐文章于 2026-05-18 12:34:46 发布 · 6.4k 阅读 · 15
标签
#机器学习 #神经网络 #cnn #卷积神经网络
本文介绍了为何使用CNN处理图像，因为其能识别小的图像模式且相同模式在不同区域出现，同时，下采样像素不会改变对象。文章深入探讨了CNN的卷积过程、彩色图像处理、池化层、Keras中的实现以及CNN学习的内容，包括Deep Dream、Deep Style，并提及在围棋、语音和文本等领域的应用。

低功耗蓝牙项目，需要一块懂省电的板

思澈 SF32LB52 芯片，BLE 协议栈深度优化，上手即开发

点击查看

[机器学习入门] 李宏毅机器学习笔记-11（Convolutional Neural Network；卷积神经网络）

PDF VIDEO

Why CNN for Image?

CNN 经常作用于图像识别。

这里写图片描述

Some patterns are much smaller than the whole image

这里写图片描述

The same patterns appear in different regions

同样的pattern，在image里面，他可能会出现在image不同的部分，但是它们代表的是同样的含义，同样的形状，也有同样的neural，同样的参数，detector就可以侦测出来。

这里写图片描述

Subsampling the pixels will not change the object

做Subsampling使图片变小对影响辨识没什么影响

The whole CNN

低功耗蓝牙项目，需要一块懂省电的板

思澈 SF32LB52 芯片，BLE 协议栈深度优化，上手即开发

点击查看
最低0.47元/天 解锁文章
台大_李宏毅PPT_机器学习
10-28
本资源是机器学习 台大教授 李机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。宏毅的授课配PPT讲稿。
李宏毅机器学习_卷积神经网络(CNN)
m0_68477761的博客
05-27 944
卷积神经网络(CNN)是一种馈前神经网络,其采用卷积、池化和全连接等结构,在图像分类、目标检测、语义分割等视觉任务上有着广泛应用。CNN主要由卷积层、池化层和全连接层组成。卷积层使用卷积核对输入进行卷积运算,可以自动学习输入的空间特征。池化层对卷积层输出进行下采样,用于降维和提取主要特征。全连接层用于分类或回归任务。CNN全称是卷积神经网络(Convolutional Neural Network),是一种馈前神经网络,其架构包含卷积层、池化层和全连接层。常用于图像分类、自然语言处理等领域。
李宏毅机器学习-CNN
snowflier的博客
07-17 510
CNN
【免费下载】 李宏毅机器学习课件PPT下载
最新发布
gitblog_09707的博客
05-18 1364
此压缩包包含李宏毅老师的机器学习所有课件，这些课件都是在李宏毅老师个人主页下载整理的。建议您在下载后，配合B站上李宏毅老师的Machine Learning视频一起使用。课件中的公式最好亲自推导一下，这样学习效果会更佳！ ## 使用建议 1. **视频配合**：建议在观看B站上的李宏毅老师机器学习视频时，同步参考这些课件，以便更好地理解课程内容。 2. **公式推导**：课件中的公式建议亲自推
李宏毅机器学习第三周学习笔记
m0_51426620的博客
06-09 1239
预测神奇宝贝战斗力值当中，依旧是按照机器学习的三个步骤进行预测，其中使用到了梯度下降的方法，在梯度下降当中，要使损失函数L(w)的值减小，只需让回归系数向与当前位置偏导数符号相反的方向更新即可。当寻找一个更优的function时，并不是越复杂越好，过于复杂时，容易出现过拟合的现象，也就是在训练集上表现好，而在测试集中表现差，相对的欠拟合，是在训练集上表现差。分类问题是很常见的一类问题，可以用于垃圾邮件的分类、医疗诊断、手写文字的辨识、人脸识别等。
李宏毅老师课程Classification: Logistic Regression
APythonC的博客
07-17 538
逻辑回归Step 1: Function Set二级目录三级目录 Step 1: Function Set 二级目录 三级目录
李宏毅《机器学习》笔记
Kazeya的博客
11-17 3347
在GAN中，对于真实的训练样本的分布，记作PdataxPdata​x，这个分布也就是GAN试图去拟合、逼近的分布。另外有一个由参数控制的分布记作PGx;θP_G(x;θ，其实也就是GAN或者说Generator生成的对象的分布。简单来说我们的目标就是让PGx;θP_G(x;θ和越PdataxPdata​x接近越好。
李宏毅2020机器学习作业3——Convolutional Neural Network
科研鬼才的博客
04-05 5974
开始之前声明：本文参考了李宏毅机器学习作业说明（需翻墙），基本上是将代码复现了一遍，说明中用的是google colab（由谷歌提供的免费的云平台），我用的是Jupyter Notebook 本文用到的资料在百度网盘自取点击下载，提取码：zdth。请将所需资料下载解压，确保资料中有6个文件，并保存到自己的目录当中。 【博主的环境：Anaconda3+Jupyter Notebook，pyth...
【李宏毅机器学习笔记】9、卷积神经网络（Convolutional Neural Network，CNN）
ACL_lihan的博客
02-20 1774
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error产生自哪里？ 【李宏毅机器学习笔记】3、gradient descent 【李宏毅机器学习笔记】4、Classification 【李宏毅机器学习笔记】5、Logistic Regression 【李宏毅机器学习笔记】6、简短介绍Deep Learning 【李宏毅机器学习笔记】7、反向传播...
【李宏毅2020 ML/DL】P17 Convolutional Neural Network
记录学习痕迹的公众号：Piper蛋窝
07-25 1580
讲解了关于卷积神经网络的部分：主要集中在卷积神经网络的合理性。
李宏毅机器学习作业3——Convolutional Neural Network
迷雾总会解
12-17 3179
本作业来源于李宏毅机器学习作业说明，详情可看???? Homework 3 - Convolutional Neural Network(友情提示，可能需要翻墙) 作业要求 作业要求： 在收集来的资料中均是食物的照片，共有11类，Bread, Dairy product, Dessert, Egg, Fried food, Meat, Noodles/Pasta, Rice, Seafood, Soup, and Vegetable/Fruit.我们要创建一个CNN，用来实现食物的分类。 我们可以借助
卷积神经网络（CNN，Convolutional Neural Network）--李宏毅机器学习笔记
knofrab的博客
03-26 892
李老师主要介绍了两种”说法“，但实际上是一个意思。这里先概括性总结一遍防止后面不知道在说什么。
李宏毅深度学习笔记——呕心整理版
Red_Elf的博客
12-06 1万+
机器学习就是寻找一个复杂函数。深度学习的函数就是类神经网络。
李宏毅2020机器学习深度学习(完整版)国语课程PPT
热门推荐
Fitz的博客
10-26 1万+
课程全部内容PPT 链接：https://pan.baidu.com/s/1A2pwtwLPUOnPpjjSpfYpXg 提取码：nd6c
李宏毅学习笔记——2024春《GENERATIVE AI》篇（已完结）
a131529的博客
11-22 1万+
李宏毅学习笔记——2024春《GENERATIVE AI》篇
李宏毅2020机器学习课程笔记（三）- CNN、半监督学习、RNN
⚡
08-13 5561
包含李宏毅机器学习视频P17-P23的课程梗概
Convolutional Neural Network（李宏毅）机器学习 2023 Spring HW3 (Boss Baseline)
m0_66773231的博客
01-03 1107
通常，网络的输入是一个向量。因此，在将表示图像的 3D 张量馈送到网络之前，需要将其“扁平化”。当使用向量作为全连接网络的输入时，特征向量可能会非常长。由于每个神经元都需要针对输入向量中的每个值分配一个权重，因此如果输入向量是高维的并且层包含许多神经元，则网络的第一层将需要非常大量的权重。虽然拥有更多参数可以使模型更加灵活和强大，但也会显着增加过拟合的风险。模型越灵活，就越容易出现过拟合。为了解决这个问题，全连接层并非总是用于图像识别，因为图像的本质并不需要每个神经元都对每个输入维度具有权重。
李宏毅DeepLearning_hw3_Convolutional-Neural-Network_ImageClassification
云澈的博客
07-18 638
李宏毅机器学习Homework 3 - Convolutional Neural Network-图片分类
台大李宏毅Machine Learning 2017Fall学习笔记 (11)Convolutional Neural Network
Allenlzcoder的博客
01-14 846
台大李宏毅Machine Learning 2017Fall学习笔记 (11)Convolutional Neural Network本博客主要整理自： http://blog.csdn.net/xzy_thu/article/details/69808817 本节课主要讲述了CNN的原理结构、操作过程和应用。Why CNN for ImageCNN的参数比全连接神经网络少得多，为什么CNN只用
李宏毅深度学习Transformer笔记
m0_61803871的博客
12-11 4609
记录了李宏毅老师的Transformer课程的笔记。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值