通过这几天的学习，已经知道了如何进行数据的读取，虽然代码都不是自己写的，但能运行，已经很不错了，这节课的目的是构建一个字符识别模型，应用到本赛事中就是构建一个定长多字符分类模型。
在这之前，我们先学习一下卷积神经网络（Convolutional Neural Network, CNN），这是以前常听到的概念，但并不明白其中的含义，通过这几天的学习，已经开始逐渐了解。
CNN是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图像的尺寸。
CNN是一种层次模型，输入的是原始的像素数据。CNN通过卷积（convolution）、池化（pooling）、非线性激活函数（non-linear activation function）和全连接层（fully connected layer）构成。
我们的目的就是利用Pytorch框架来构建CNN字符识别模型。在Pytorch中构建CNN模型非常简单，只需要定义好模型的参数和正向传播即可，Pytorch会根据正向传播自动计算反向传播。通过学习，我们会构建一个非常简单的CNN，然后进行训练。这个CNN模型包括两个卷积层，最后并联6个全连接层进行分类，具体操作代码如下：
网友评论