pytorch图像分类：卷积神经网络CNN

前言

        学习资料来自b站，up主的讲解非常详细，很容易听懂。

        基础知识的视频链接为：

        1.1 卷积神经网络基础_哔哩哔哩_bilibili 

        1.2 卷积神经网络基础补充_哔哩哔哩_bilibili 

         代码实现的视频链接为：

        2.1 pytorch官方demo(Lenet)_哔哩哔哩_bilibili

        up主将代码和ppt放在了他的Github： 

GitHub - WZMIAOMIAO/deep-learning-for-image-processing: deep learning for image processing including classification and object-detection etc.https://github.com/WZMIAOMIAO/deep-learning-for-image-processing

1 基础知识篇

1.1 卷积神经网络

1.2 全连接层

        左边图的每个像素都有3个数值，也就是RGB，首先需要进行灰度化得到中间的图，此时每个像素都只有一个分量，最后进行二值处理就得到右边的图像了，只有黑白。

        使用5*3的滑动窗口进行滑动，每滑动到一个地方就计算白色像素占滑动窗口位置的比例，对于不满足5*3的地方，可以进行补0处理，最后得到的是一个5*5的矩阵。

       将5*5的矩阵按行展开拼接，得到25个元素的一维向量，就可以作为神经网络的输入层。

        对输出的数值进行one-hot编码，因为可能的数字一共10个，所以对0-9的数字进行编码：

        按照前面的分析，输入神经网络的节点数为25，输出的节点数为10。