5.11【机器学习】

先是对图像进行划分

划分完后，

顺序读取文件夹，在文件夹里顺序读取图片，

卷积层又称为滤波器，通道是说滤波器的个数，黑白通道数为1，RGB通道个数为3

在输入层，对于输入层而言，滤波器的数量就是图像的色彩通道数量

但是对于中间层而言，滤波器的数量，

卷积层叫做滤波器，内核，通道是滤波器的个数，输出的通道层数只与当前滤波器的通道个数有关

通道为2，滤波器有两个

黄色部分为滤波器，有两个，是所以通道数是2

前两个参数表示卷积核的宽高，自己设定，最后一个参数是输入数据的通道数，输入数据为三通道，所以最后一个参数是3

每次卷积完，对本次卷积核的值加上运算结果，得到一个新的卷积核，

读取数据集

对于花的所有类别里，令标志+1，路径就变为根路径加上类别路径

然后图像集就算是对应路径下的所有图像

合并的话合并的维度可以不同，其它维度必须相同

axis是说堆叠后的数据放在那个位置上

所谓范数，实际上就是范数距离，L1范数就是绝对值加和，L2是距离值加和，范数趋于正无穷时，最大数占据绝对优势，那么再开根号就是这个向量里的最大值

卷积层的作用就是缩小图像的数据特征，把图像缩到更小的里面，有几个卷积面就有几个特征图

池化层，2，2最大池化层

卷积层-》池化层

卷积层池化层完后得到的是特征图，立体的，

需要拉长，就是FLATTEN方法，这下就把特征图拉长变到了一个向量

再连到隐藏层，有512个隐藏层神经元

这里面就是构建模型

5*5的原图，经过3*3卷积后，会变成3*3的特征图，

7*7的会变成5*5，即（7-3）/1+1，除以的那个分母是卷积层移动的步长

所以64，64，3的经过一层3，3卷积，会变成62，62

有32个卷积层的话，就会得到32个特征图，卷积核

卷积层由卷积核构成，卷积核的长宽是直接得到的，但是还有一个RGB属性，是直接由原始图像的RGB决定的，第一个卷积层里一共有32个卷积核，每个卷积核27个参数

卷积完后得到32个特征图，要对图整体进行微调，32个偏置参数

池化层的目的就是对特征图做压缩，缩小特征图的特征数量，有平均池化，最大、最小池化

BATCH_SIZE是说从原始数据集里一次取出来的数据个数，20就是说明每轮迭代取出来20个

就是说数据生成器会循环地产生数据，然后指定每轮迭代恒产