卷积神经网络实战——使用keras识别猫咪

这张图长400像素宽320像素，有三个通道(rgb)的色彩。

那么经由一层卷积运算之后会变成什么样子呢?

这是用一个3*3的卷积核和三个滤哺孀处理的效不雅(如不雅我们有跨越3个的滤波器，那么我可以画出猫的2d图像。更高维的话就很难处理)

我们可以看到，因为内核太大年夜，我们掉去了一些细节。还要留意，大年夜数学角度来看，卷积核越大年夜，图像的外形会变得越小。

如不雅我们把它压扁一点，我们可以更好的看到色彩通道会产生什么?

这张看起来很多多少了!如今我们可以看到我们的过滤器看到的一些工作。看起来红色调换掉落了黑色的鼻子和黑色眼睛，蓝色调换掉落了猫界线的浅灰色。我们可以开端看到图层若何捕获照片中的一些更重要的细节。

如不雅我们增长内核大年夜小，我们获得的细节就会越来越明显，当然图像也比其他两个都小。

增长一个激活层

我们添加一个池化层(摆脱激活层最大年夜限度地让图片加倍更轻易显示)。

正如预期的那样，猫咪变成了斑驳的，而我们可以让它加倍斑驳。

如今图片大年夜约成了本来的三分之一。

激活和最大年夜池化

我们经由过程添加一个relu，去掉落了很多不是蓝色的部分。

LeNet

留意事项：

如不雅我们将猫咪的图片放到LeNet模型中做卷积和池化，那么效不雅会怎么样呢?

总结

ConvNets功能强大年夜，因为它们可以或许提取图像的核心特点，并应用这些特点来辨认包含个中的特点的图像。即使我们的两层CNN，我们也可以开端看到收集正在对猫的晶须，鼻子和眼睛如许的地区赐与很多的存眷。这些是让CNN将猫与鸟区分开的特点的类型。

CNN是异常强大年夜的，固然这些可视化并不完美，但我欲望他们可以或许赞助像我如许正在测验测验更好地舆解ConvNets的人。

【编辑推荐】

【义务编辑：武晓燕 TEL：（010）68476606】

　　推荐阅读

　　Python发送邮件脚本

在一些场景中经常须要发送邮件, 像是持续集成和运维报警等. 而应用Python脚本可以或许很快捷便利得实现发送各类邮件的需求.这里就经由过程Python基于SMTP(Simple Mail Transfer Protoco>>>详细阅读

地址：http://www.17bianji.com/lsqh/34967.html