目录

• 什么是CNN？
• 我们为什么要使用CNN？
• 几个定义
• CNN中的图层
• Keras实现

1.什么是CNN？

计算机视觉日新月异的其中一个原因是深度学习。当我们谈论计算机视觉时，我们会想到一个术语，卷积神经网络（缩写为CNN），因为CNN会在这一领域被大量使用。计算机视觉中CNN的例子是人脸识别、图像分类等。它类似于基本的神经网络。 CNN还有可学习的参数，如神经网络，即权重、偏差等。

2.我们为什么要使用CNN？

前馈神经网络问题

假设您正在使用MNIST数据集，您知道MNIST中的每个图像都是28 x 28 x 1（黑白图像只包含1个通道）。输入层中的神经元总数将为28 x 28 = 784，这是可以管理的。如果图像的大小是1000 x 1000，这意味着你在输入层需要10⁶个神经元。这似乎是在操作中需要大量神经元。它在计算上无效，这就是卷积神经网络。简单来说，CNN所做的就是提取图像的特征并将其转换为较低的维度的图像，而不会失去其特征。在下面的例子中，你可以看到初始图像的大小是224 x 224 x 3，如果你不继续卷积，那么你需要224 x 224 x 3 = 100,352个输入层的神经元数量，但是在应用卷积后，你输入张量维数减少到1 x 1 x 1000。这意味着你只需要第一层前馈神经网络中的1000个神经元。

3.几个定义

在理解CNN之前，您应该了解的定义很少

3.1图像表示

考虑到图像，很容易理解它有高度和宽度，因此用二维结构（矩阵）表示包含在其中的信息是有意义的，直到你记住图像有颜色，并添加有关图像的信息颜色，那就是当张量变得特别有用时，我们需要另一个维度。

图像被编码成颜色通道，图像数据在给定点的颜色通道中表示为每种颜色强度，最常见的是RGB，这意味着红色、蓝色和绿色。图像中包含的信息是每个通道颜色的强度转换成图像的宽度和高度，就像这样

因此，具有宽度和高度的每个点处的红色通道的强度可以表示为矩阵，对于蓝色和绿色通道也是如此，因此我们最终具有三个矩阵，并且当它们组合时，它们形成 tensor。

3.2边缘检测

每个图像都有垂直和水平边缘，实际上组合形成一个图像。卷积操作与一些滤波器一起用于检测边缘。假设您有尺寸为6 x 6的灰度图像和尺寸为3 x 3的滤镜（比方说）。当6 x 6灰度图像与3 x 3滤波器卷积时，我们得到4 x 4图像。首先，3 x 3滤镜矩阵乘以我们的灰度图像的前3 x 3尺寸，然后我们将一列向右移动到结束，之后我们移动一行，依此类推。

卷积操作

卷积操作可以通过以下方式可视化。这里我们的图像尺寸是4 x 4，滤镜是3 x 3，因此我们在卷积为2 x 2后得到输出。

卷积的可视化

如果我们有N x N图像大小和F x F滤波器大小，那么在卷积结果之后

3.3步幅和填充

Stride表示我们在卷积的每一步骤中移动了多少步。默认情况下它是1。

与Stride 1的卷积

我们可以观察到输出的大小小于输入的大小。为了保持输出的维度，我们使用填充。填充是对称地将0添加到输入矩阵的过程。在以下示例中，额外的灰色块表示填充。它用于使输出的维度与输入相同。

假设'p'是填充

最初（没有填充）

应用填充后

应用填充后

如果我们在带有填充的（N + 2p）x（N + 2p）输入矩阵中应用滤波器F x F，那么我们将得到输出矩阵维数（N + 2p-F + 1）x（N + 2p-F + 1） 。我们知道在应用填充后，我们将获得与原始输入维度（N x N）相同的维度。因此我们有，

等式（3）清楚地表明Padding取决于滤波器的尺寸。

4.在CNN中的图层

CNN中有五个不同的层：

• 输入层
• Convo层（Convo + ReLU）
• 汇集层
• 完全连接（FC）层
• Softmax / logistic层
• 输出层
• 不同层次的CNN

4.1输入层

CNN中的输入层应包含图像数据。如前所述，图像数据由三维矩阵表示。您需要将其重塑为单个列。假设您有尺寸为28 x 28 = 784的图像，则需要在输入输入之前将其转换为784 x 1。如果你有“m”训练样例，那么输入的维数将是（784，m）。

4.2. Convo层

Convo图层有时称为特征提取图层，因为图像的特征是在此图层中提取的。首先，如前所述，图像的一部分连接到Convo层以执行卷积操作，并计算感受场之间的点积（它是输入图像的局部区域，具有与滤波器相同的大小）和过滤器。操作结果是输出量的单个整数。然后我们将滤镜移到相同输入图像的下一个接受域，再次执行相同的操作。我们将一次又一次地重复相同的过程，直到我们完成整个图像。输出将是下一层的输入。

Convo层还包含ReLU激活，以使所有负值为零。

4.3.池化层

池化层用于减少卷积后输入图像的空间体积。它用于两个卷积层之间。如果我们在Convo层之后应用FC而不应用池或最大池，那么它在计算起来会比较昂贵，并且我们不想要它。因此，最大池化只是输入图像空间体积的唯一途径。在上面的例子中，我们在单深度切片中应用了max pooling, Stride为2。你可以看到4×4维的输入被缩减为2×2维。

池化层中没有参数，但它有两个超参数——Filter（F）和Stride（S）。

通常，如果我们有输入尺寸W1 x H1 x D1，那么

W2 =（W1-F）/ S + 1

H2 =（H1-F）/ S + 1

D2 = D1

其中W2，H2和D2是输出的宽度、高度和深度。

4.4.完全连接层（FC）

完全连接的层涉及权重、偏差和神经元。它将一层中的神经元连接到另一层中的神经元。它用于通过训练对不同类别的图像进行分类。

4.5. Softmax / Logistic Layer

Softmax或Logistic层是CNN的最后一层。它位于FC层的末尾。 Logistic用于二进制分类，softmax用于多分类。

4.6.输出层

输出层包含标签，该标签采用单热编码形式。

现在你对CNN有了很好的理解。让我们在Keras实施CNN。

5.Keras实施

我们将使用CIFAR-10数据集来构建CNN图像分类器。 CIFAR-10数据集有10个不同的标签

• 飞机
• 汽车
• 鸟
• 猫
• 鹿
• 狗
• 青蛙
• 马
• 船
• 卡车

它有50,000个训练数据和10,000个测试图像数据。 CIFAR-10中的图像尺寸为32 x 32 x 3.它带有Keras库。

模型可视化

如果您使用谷歌colaboratory，那么请确保您使用的是GPU。检查GPU是否打开。请尝试以下代码。

输出：

首先，导入所有必需的模块和库。

然后加载数据集并将其拆分为训练集和测试集。

我们将输出CIFAR-10中的训练样本形状、测试样本形状和课程总数。我们之前看到有10个班级。为了举例，我们将从训练集和测试集中输出两个示例图像。

输出：

找到输入图像的形状，然后将其重塑为用于训练和测试集的输入格式。之后，将所有数据类型更改为浮点数。

通过将训练数据和测试数据除以255来将数据归一化到0-1之间，然后使用to_catagorical（）函数将所有标签转换为单热矢量。

使用单热编码显示类别标签的更改。

输出：

现在创建我们的模型，将加载Convo图层，然后合并图层。然后我们将连接密集（FC）层来预测类。输入到第一个Convo层的输入数据，该Convo层的输出用作下一个Convo层的输入，依此类推。最后，数据被送到FC层，试图预测正确的标签。

初始化所有参数并使用rmsprops优化器编译我们的模型。有许多优化器，例如adam、SGD、GradientDescent、Adagrad、Adadelta和Adamax，您可以随意尝试它。批量为256，有50个epoch。

model.summary（）用于查看模型中每个图层中的所有参数和形状。您可以观察到总参数为276,138，总可训练参数为276,138。非训练参数为0。

输出：

在编译我们的模型之后，我们将通过fit（）方法训练我们的模型，然后对其进行评估。

输出：

经过训练，我们得到了83.86％的准确率和75.48％的验证准确性。这个结果还是不错的。

结论：

恭喜！ 您通过了解Keras的基本概念，在Keras中构建了卷积神经网络。 您可以通过更改其超参数来试验它！

编译出品