没有合适的资源?快使用搜索试试~ 我知道了~
首页卷积神经网络CNN代码解析-matlab.doc
资源详情
资源评论
资源推荐
1
卷积神经网络 CNN 代码解析
deepLearnToolbox-master 是一个深度学习 matlab 包,里面含有很多机器学习算法,如卷积神经网络 CNN,深度
信念网络 DBN,自动编码 AutoEncoder(堆栈 SAE,卷积 CAE)的作者是 Rasmus Berg Palm
(rasmusbergpalm@gmail.com)
代码下载:https://github.com/rasmusbergpalm/DeepLearnToolbox
这里我们介绍 deepLearnToolbox-master 中的 CNN 部分。
DeepLearnToolbox-master 中 CNN 内的 函数:
调用关系为:
该模型使用了 mnist 的数字 mnist_uint8.mat 作为训练样本,作为 cnn 的一个使用样例,
每个样本特征为一个 28*28=的向量。
网络结构为:
2
让我们来看看各个函数:
一、 Test_example_CNN:...................................................................................................................................................2
三、cnntrain.m.....................................................................................................................................................................5
四、cnnff.m..........................................................................................................................................................................6
五、cnnbp.m.........................................................................................................................................................................7
五、cnnapplygrads.m.........................................................................................................................................................10
六、cnntest.m.....................................................................................................................................................................11
一、Test_example_CNN:
Test_example_CNN:
1 设置 CNN 的基本参数规格,如卷积、降采样层的数量,卷积核的大小、降采样的降幅
2 cnnsetup 函数 初始化卷积核、偏置等
3 cnntrain 函数 训练 cnn,把训练数据分成 batch,然后调用
3.1 cnnff 完成训练的前向过程,
3.2 cnnbp 计算并传递神经网络的 error,并计算梯度(权重的修改量)
3
3.3 cnnapplygrads 把计算出来的梯度加到原始模型上去
4 cnntest 函数,测试当前模型的准确率
该模型采用的数据为 mnist_uint8.mat,
含有 70000 个手写数字样本其中 60000 作为训练样本,10000 作为测试样本。
把数据转成相应的格式,并归一化。
设置网络结构及训练参数
初始化网络,对数据进行批训练,验证模型准确率
绘制均方误差曲线
二、Cnnsetup.m
该函数你用于初始化 CNN 的参数。
设置各层的 mapsize 大小,
初始化卷积层的卷积核、bias
尾部单层感知机的参数设置
*
bias 统一设置为 0
权重设置为:-1~1 之间的随机数/sqrt(6/(输入神经元数量+输出神经元数量))
对于卷积核权重,输入输出为 fan_in, fan_out
fan_out = net.layers{l}.outputmaps * net.layers{l}.kernelsize ^ 2;
剩余10页未读,继续阅读
qq_28245013
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- RTL8188FU-Linux-v5.7.4.2-36687.20200602.tar(20765).gz
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
- SPC统计方法基础知识.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论5