Cube.AI【1】——巨人肩膀CNN和mnist

[复制链接]

lebment 发布时间：2019-5-14 11:56

文章
文章封面:	-
文章简介:	-

  锦鲤不能白拿啊，回馈社区写三篇cubeMX的AI教程。最终实现前几天所发布的图片（https://www.stmcu.org.cn/module/forum/thread-620501-1-1.html），先介绍CNN和LeNet。
  CNN并不复杂，主要是由卷积操作（对于电子出身的我们，这个不熟起码也听说过）+激活和池化（pooling），，几个层不断连接。最后输出到全连接和softmax，产生一个输出，这个输出是一个向量，向量长度和我们的分类个数一致。
  先介绍卷积操作：

实例（二维卷积操作），图中卷积核（kernel）2x2的矩阵，与输入4x3的矩阵（input）做矩阵乘法。得到aw+bz+ey+fz，依次横移一步（也可两步，该变量叫做strade）到达边缘后则开始下移一步继续从左往右运算，得到一个3x2的矩阵。
注意卷积操作改变了输入矩阵的大小（4x3 -> 3x2），少了一行一列。在这里会有另外一个操作补零（padding），在缺少的一行一列上补零。

激活函数，整流线性单元（ReLU）。一个图就可以看清楚。

，卷积经过激活函数连接到池化。

池化：池化很容易理解，

最大池化，上下两个都是这样的操作，max（0.3，0.1）输入到下一个，就是这么简单。

全连接和softmax都比较容易理解，大家可以参考博客等。图片均来自网络和deep learning book（深度学习圣经级教科书）


  LeNet-5（没记错的话是lecun所创建的网络）是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像（28x28 8bits gray），先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层。