tensorflow学习（5）课程：CNN介绍

个人采用更为便捷的版本进行二零一七TensorFlow框架的学习与实践

CNN卷积神经网络（Convolutional Neural Networks）

卷积神经网络的基本原理及其实现步骤

在之前的分类学习中（17），MNIST库通过计算得出的准确率达到87%以上；就当前技术水平而言此准确率仍有待提高。若希望进一步提升精度则可应用Convolutional Neural Networks（CNN），其能达到96%左右的高精度水平。

卷积神经网络是近年来逐步发展的一种新型人工神经网络架构, 其之所以能在图像与语音识别领域展现出更佳的预测能力, 正是因为这种技术在实际应用中展现出显著的优势, 并因此获得了广泛的传播与实际运用. 卷积神经网络最常用于计算机视觉领域的图像识别任务。

我们从"卷积"与"神经网络"两个术语入手进行解析。其中"卷积"一词指的是神经网络不再单独处理每个像素的信息而是专注于图像中局部区域的特征提取这一做法增强了图像的空间一致性使得模型能够更好地理解整体图形结构。具体而言该方法通过构建一个系统性地在图像中滑动采集局部区域并持续对这些区域进行特征提取的过程实现了对复杂图形信息的有效捕获和组织化存储从而提升了模型对图像对象的理解能力每一次采集中系统都会整合出具有实际意义的信息片段这些片段经过优化处理后能够更加精准地反映图像中的关键特征和空间关系