在前面我們講述了DNN的模型與前向反向傳播算法。而在DNN大類中，卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，以下簡稱CNN)是最為成功的DNN特例之一。CNN廣泛的應(yīng)用于圖像識別，當然現(xiàn)在也應(yīng)用于NLP等其他領(lǐng)域，本文我們就對CNN的模型結(jié)構(gòu)做一個總結(jié)。

　　　　在學(xué)習CNN前，推薦大家先學(xué)習DNN的知識。如果不熟悉DNN而去直接學(xué)習CNN，難度會比較的大。這是我寫的DNN的教程：

深度神經(jīng)網(wǎng)絡(luò)（DNN）模型與前向傳播算法

深度神經(jīng)網(wǎng)絡(luò)（DNN）反向傳播算法(BP)

深度神經(jīng)網(wǎng)絡(luò)（DNN）損失函數(shù)和激活函數(shù)的選擇

深度神經(jīng)網(wǎng)絡(luò)（DNN）的正則化

1. CNN的基本結(jié)構(gòu)

　　　　首先我們來看看CNN的基本結(jié)構(gòu)。一個常見的CNN例子如下圖：

總結(jié)

以上是生活随笔為你收集整理的卷积神经网络(CNN)模型结构的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。