一文教你使用卷积神经网络和Python进行图像分类

    介绍本文将讨论有关图像分类的所有内容。在过去的几年里,深度学习已经被证明是一个非常强大的工具,因为它能够处理大量的数据。隐藏层的使用超越了传统技术,尤其是在模式识别方面。最受欢迎的深度神经网络之一是卷积神经网络 (CNN)。
    
    卷积神经网络(CNN)是一种用于图像识别和处理的人工神经网络(ANN),专门用于处理数据(像素)。
    
    在进一步研究之前,我们需要了解什么是神经网络．神经网络一个神经网络由几个相互连接的节点构成,称为**“神经元”。神经元分为输入层、隐藏层和输出层。**输入层对应于我们的预测器/特征,输出层对应于我们的响应变量。
    
    多层感知器(MLP)具有输入层、一个或多个隐藏层和一个输出层的神经网络称为多层感知器 (MLP)。 MLP 是Frank Rosenblatt在 1957 年发明的。下面给出的 MLP 有 5 个输入节点、5 个带有两个隐藏层的隐藏节点和一个输出节点
    
    这个神经网络是如何工作的?– 输入层神经元接收来自数据的传入信息,它们处理并分配给隐藏层。– 该信息依次经过隐藏层处理,并传递给输出神经元。– 该人工神经网络 (ANN) 中的信息根据一个激活函数进行处理。这个函数实际上模仿了大脑神经元。– 每个神经元包含一个激活函数值和一个阈值。–阈值是输入必须具有的最小值才能被激活。– 神经元的任务是对所有输入信号进行加权求和,并对总和应用激活函数,然后再将其传递到下一个(隐藏或输出)层。让我们了解什么是权重和?假设我们有值