资源|卷积神经网络使用技巧

点击上方“AI遇见机器学习”，选择“星标”公众号
重磅干货，第一时间送达

一、资源简介

今天给大家推荐一篇关于卷积神经网络的使用技巧资料，卷积神经网络在我们日常的学习和研究中有很广泛的使用，可以说在深度学习中有非常重要的地位，而如何使用好卷积神经网络，是我们都要面对的问题！

卷积神经网络是仿造生物的视知觉（visual perception）机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化（grid-like topology）特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程（feature engineering）要求。

二、主要内容

卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(convolutional layer)和池化层(pooling layer)。而对怎么使用CNN的方法和技巧，也就是怎么去调整卷积和池化层，这也是这份资料的主要的讲述内容。