摘要：
回顾CNN 通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量（这就丢失了空间信息）。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都期望得到整个输入图像的一个数值描述（概率），比如AlexN 阅读全文
摘要：
一、人工神经网络处理图像分类问题缺点 1、权值太多，参数爆炸 2、语义上理解存在问题，全连接网络对待相邻、距离很远的像素都是无差别的对待，不考虑图像内容的空间结构 还拿最常用的例子，猫识别。假如我输入一张64 64的图片，由于有三个颜色通道，所以输入的向量是一个64 64 3=12288维的列向量。 阅读全文
摘要：
加载MNIST数据 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/",one_hot=True) 运行TensorFlow的Intera 阅读全文