如何用c 在mnist上實(shí)現(xiàn)一個(gè)簡單的卷積神經(jīng)網(wǎng)絡(luò)，有哪些參考資料？在支持向量機(jī)方面，libsvm絕對(duì)是首選庫，應(yīng)該是應(yīng)用最廣泛的機(jī)器學(xué)習(xí)庫。讓我們主要推薦一些GitHub的深度學(xué)習(xí)項(xiàng)目！1.1.1

如何用c 在mnist上實(shí)現(xiàn)一個(gè)簡單的卷積神經(jīng)網(wǎng)絡(luò)，有哪些參考資料？

在支持向量機(jī)方面，libsvm絕對(duì)是首選庫，應(yīng)該是應(yīng)用最廣泛的機(jī)器學(xué)習(xí)庫。讓我們主要推薦一些GitHub的深度學(xué)習(xí)項(xiàng)目！1.1.1網(wǎng)絡(luò)-恒星：2200卷積實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)，可用于分類、回歸、強(qiáng)化學(xué)習(xí)等。2.深度學(xué)習(xí)工具箱-星級(jí)：1000實(shí)施中最熱門的庫存，包括CNN、DBN、SAE、CAE等主流機(jī)型。3.深度學(xué)習(xí)（yusugomo）-星星：800深度學(xué)習(xí)網(wǎng)絡(luò)是用Python、C/C、Java和scala五種語言實(shí)現(xiàn)的。實(shí)現(xiàn)模型包括DBN/cdbn/RBM/CRBM/DA/SDA/LR。4.神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)-星星：500這個(gè)是同名書籍的匹配代碼，語言為python。5.rbm-mnist-星星：200這個(gè)是Hinton matlab的C重寫版代碼。實(shí)現(xiàn)了拉斯穆森共軛梯度算法。

cnn卷積神經(jīng)網(wǎng)絡(luò)中的卷積核怎么確定？

從模型中學(xué)習(xí)卷積參數(shù)，手動(dòng)確定卷積核的大小和數(shù)目。二維卷積核的大小通常是奇數(shù)，例如1*1、3*3、5*5、7*7。卷積核數(shù)是網(wǎng)絡(luò)中的信道數(shù)。常用的是128 256 512，需要根據(jù)具體任務(wù)來確定。

另外，近年來，神經(jīng)網(wǎng)絡(luò)的自動(dòng)搜索結(jié)構(gòu)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(shù)據(jù)集的最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)使用用戶設(shè)計(jì)的損失融合（分類通常是交叉的）計(jì)算實(shí)際標(biāo)簽和預(yù)測(cè)標(biāo)簽之間的差異，梯度反向傳播該方法利用卷積核參數(shù)來產(chǎn)生新的預(yù)測(cè)值，使損失最小化。重復(fù)此過程，直到培訓(xùn)結(jié)束。