如何用c 在mnist上實現一個簡單的卷積神經網絡，有哪些參考資料？在支持向量機方面，libsvm絕對是首選庫，應該是應用最廣泛的機器學習庫。讓我們主要推薦一些GitHub的深度學習項目！1.1.1

如何用c 在mnist上實現一個簡單的卷積神經網絡，有哪些參考資料？

在支持向量機方面，libsvm絕對是首選庫，應該是應用最廣泛的機器學習庫。讓我們主要推薦一些GitHub的深度學習項目！1.1.1網絡-恒星：2200卷積實現了神經網絡，可用于分類、回歸、強化學習等。2.深度學習工具箱-星級：1000實施中最熱門的庫存，包括CNN、DBN、SAE、CAE等主流機型。3.深度學習（yusugomo）-星星：800深度學習網絡是用Python、C/C、Java和scala五種語言實現的。實現模型包括DBN/cdbn/RBM/CRBM/DA/SDA/LR。4.神經網絡和深度學習-星星：500這個是同名書籍的匹配代碼，語言為python。5.rbm-mnist-星星：200這個是Hinton matlab的C重寫版代碼。實現了拉斯穆森共軛梯度算法。

cnn卷積神經網絡中的卷積核怎么確定？

從模型中學習卷積參數，手動確定卷積核的大小和數目。二維卷積核的大小通常是奇數，例如1*1、3*3、5*5、7*7。卷積核數是網絡中的信道數。常用的是128 256 512，需要根據具體任務來確定。

另外，近年來，神經網絡的自動搜索結構非常流行。最著名的是Google的nasnet，它使用一些啟發(fā)式遍歷來尋找特定數據集的最優(yōu)網絡結構

卷積神經網絡使用用戶設計的損失融合（分類通常是交叉的）計算實際標簽和預測標簽之間的差異，梯度反向傳播該方法利用卷積核參數來產生新的預測值，使損失最小化。重復此過程，直到培訓結束。