知识卡片
CNN 的演进之路
CNN 走的是一条从生物启发到算力驱动的路径。1960 年代发现动物视觉皮层神经元只连接一小片区域(感受野),而非单个像素。受此启发,科学家提出局部连接以减少处理图像所需的神经元数量,这种改造后的网络就是 CNN。1989 年 Yann LeCun 做出能识别手写数字的可训练 CNN,1998 年 LeNet-5 用七个堆叠卷积层对 32×32 数字分类,但受限于当时算力难以处理更大图像。2000 年代初 GPU 并行计算大幅缩短训练时间,更深的 CNN 由此起步;ImageNet 与 ILSVRC 则提供了大规模标注数据与竞赛平台。参见 [[深度前馈网络处理图像的困境]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- CNN 架构 深度前馈网络的问题与 CNN 演进 · 查看原书依据
受视觉皮层感受野的启发,科学家提出了局部连接的想法,以减少处理图像所需的人工神经元数量。 深度前馈网络的这种修改版本称为 CNN(在本书中,CNN 均指卷积神经网络)。 1989 年,Yann LeCun 开发了可训练的 CNN,能够识别手写数字。
参考来源
- 位置:《Python深度学习架构实用指南(初译)》第04章《CNN 架构》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/08.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文按感受野、LeNet-5、GPU、ImageNet/ILSVRC 的时间线叙述,支持 CNN 由生物启发走向算力与数据驱动的判断。
- 原始内容:受视觉皮层感受野的启发,科学家提出了局部连接的想法,以减少处理图像所需的人工神经元数量。 深度前馈网络的这种修改版本称为 CNN(在本书中,CNN 均指卷积神经网络)。 1989 年,Yann LeCun 开发了可训练的 CNN,能够识别手写数字。