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)時代的到來，計算機硬件性能的不斷提升，深度學(xué)習(xí)作為新興的機器學(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、由一般到特定語義的特征。而卷積神經(jīng)網(wǎng)絡(luò)尤其擅長在高維復(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)在圖像識別與分類、目標(biāo)檢測與定位、人機博弈、無人駕駛等領(lǐng)域應(yīng)用廣泛。TensorFlow是谷歌公司開源的深度學(xué)習(xí)平臺，也目前最受歡迎的

2、機器學(xué)習(xí)框架。本文基于TensorFlow研究卷積神經(jīng)網(wǎng)絡(luò)，并在此平臺基礎(chǔ)之上實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)模型，解決實際問題。具體工作如下:
　　首先，對深度學(xué)習(xí)的基本方法進(jìn)行了介紹，重點研究了卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的卷積層和池化層，并且搭建了TensorFlow實驗平臺，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)，使用兩個卷積層加一個全連接層構(gòu)建一個簡單的卷積神經(jīng)網(wǎng)絡(luò)解決手寫體數(shù)字識別問