深度學(xué)習(xí)案例教程 課件4.1 FashionMNIST圖像分類任務(wù)介紹

使用卷積網(wǎng)絡(luò)實(shí)現(xiàn)圖像分類第四章01了解卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)02掌握CNN基本原理、熟悉CNN主要應(yīng)用03

能夠搭建和訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型04解決實(shí)際的圖像分類問題、對圖像數(shù)據(jù)進(jìn)行預(yù)處理和增強(qiáng)學(xué)習(xí)目標(biāo)CONTENTS01構(gòu)建和訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型，提高實(shí)踐動手能力02培養(yǎng)良好的編程習(xí)慣03提高問題分析和解決問題的能力04培養(yǎng)團(tuán)隊(duì)合作和溝通能力素質(zhì)目標(biāo)CONTENTS05培養(yǎng)持續(xù)學(xué)習(xí)的意識和能力搭建CNN模型訓(xùn)練模型實(shí)踐任務(wù)準(zhǔn)備數(shù)據(jù)測試模型第一節(jié)

FashionMNIST圖像分類任務(wù)介紹FashionMNIST是一個(gè)常用的圖像分類數(shù)據(jù)集，它由Zalando提供，包含了10個(gè)類別的灰度圖像，每個(gè)類別包含6000張訓(xùn)練圖像和1000張測試圖像，圖像大小為28x28像素。

FashionMNIST的任務(wù)是將28x28像素的灰度圖像分類到10個(gè)不同的類別，包括T恤/上衣、褲子、套衫、連衣裙、外套、涼鞋、襯衫、運(yùn)動鞋、手提包和踝靴。這個(gè)任務(wù)的挑戰(zhàn)在于，所有的圖像都是灰度圖像，并且類別之間的差異較小，需要通過學(xué)習(xí)圖像中微小的特征來進(jìn)行分類。任務(wù)需求描述FashionMNIST圖像分類任務(wù)介紹在全連接層中，相鄰層的神經(jīng)元全部連接在一起，輸出的數(shù)量可以任意決定。首要的問題是數(shù)據(jù)的形狀被“忽視”了。比如，輸入數(shù)據(jù)是圖像時(shí)，圖像通常是高、長、通道方向上的3維形狀。但是，向全連接層輸入時(shí)，需要將3維數(shù)據(jù)拉平為1維數(shù)據(jù)。圖像是3維形狀，這個(gè)形狀中應(yīng)該含有重要的空間信息。比如，空間上鄰近的像素為相似的值、RBG的各個(gè)通道之間分別有密切的關(guān)聯(lián)性、相距較遠(yuǎn)的像素之間沒有什么關(guān)聯(lián)等，3維形狀中可能隱藏有值得提取的本質(zhì)模式。而卷積層可以保持形狀不變。當(dāng)輸入數(shù)據(jù)是圖像時(shí)，卷積層會以3維數(shù)據(jù)的形式接收輸入數(shù)據(jù)，并同樣以3維數(shù)據(jù)的形式輸出至下一層。因此，在CNN中，可以(有可能)正確理解圖像等具有形狀的數(shù)據(jù)。技術(shù)分析FashionMNIST圖像分類任務(wù)介紹總結(jié)1.全連接前饋網(wǎng)絡(luò)很難提取這些局部不變特征2.卷積神經(jīng)網(wǎng)絡(luò)受到生物