CNN

  • 输入特征图的深度（channel数），决定了当前层卷积核的深度；
  • 当前层卷积核的个数，决定了当前层输出特征图的深度；
tf.keras.layers.Conv2D(
    kernel_size=卷积核尺寸,
    strides=滑动补偿,
    padding="same" or "valid",
    activation="relu" or "sigmoid" or "tanh" or "softmax",
    input_shape=(高, 宽, 通道数)
)

批标准化（Batch Normalization, BN）

池化

池化用于减少特征数据量，最大值池化可提取图片纹理，均值池化可保留背景特征。

舍弃 Dropout

训练时，一定概率随机舍弃神经元。网络使用时，恢复神经元。

卷积神经网络结构

卷积：特征提取器，CBAPD(Convolutinoal, BN, Activation, Pooling, Dropout)