基于TensorFlow的卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)，計(jì)算機(jī)硬件性能的不斷提升，深度學(xué)習(xí)作為新興的機(jī)器學(xué)習(xí)方法被用于有效地分析和處理這些數(shù)據(jù)。深度學(xué)習(xí)的核心思想是采用一系列的非線性變換，從原始數(shù)據(jù)中提取由低層到高層、由一般到特定語(yǔ)義的特征。而卷積神經(jīng)網(wǎng)絡(luò)尤其擅長(zhǎng)在高維復(fù)雜數(shù)據(jù)結(jié)構(gòu)中提取有效特征。正是這種豐富的特征表達(dá)能力使得卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別與分類、目標(biāo)檢測(cè)與定位、人機(jī)博弈、無(wú)人駕駛等領(lǐng)域應(yīng)用廣泛。TensorFlow是谷歌公司開(kāi)源的深度學(xué)習(xí)平臺(tái)，也目前最受歡迎的

2、機(jī)器學(xué)習(xí)框架。本文基于TensorFlow研究卷積神經(jīng)網(wǎng)絡(luò)，并在此平臺(tái)基礎(chǔ)之上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)模型，解決實(shí)際問(wèn)題。具體工作如下:
　　首先，對(duì)深度學(xué)習(xí)的基本方法進(jìn)行了介紹，重點(diǎn)研究了卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的卷積層和池化層，并且搭建了TensorFlow實(shí)驗(yàn)平臺(tái)，深刻理解TensorFlow的工作原理及框架結(jié)構(gòu)。
　　其次，具體分析了LeNet-5模型結(jié)構(gòu)，使用兩個(gè)卷積層加一個(gè)全連接層構(gòu)建一個(gè)簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)解決手寫體數(shù)字識(shí)別問(wèn)