❶ 的卷积神经网络，使用什么配置的电脑比较好
卷积神经网络有以下几种应用可供研究：
1、基于卷积网络的形状识别
物体的形状是人的视觉系统分析和识别物体的基础，几何形状是物体的本质特征的表现，并具有平移、缩放和旋转不变等特点，所以在模式识别领域，对于形状的分析和识别具有十分重要的意义，而二维图像作为三维图像的特例以及组成部分，因此二维图像的识别是三维图像识别的基础。
2、基于卷积网络的人脸检测
卷积神经网络与传统的人脸检测方法不同，它是通过直接作用于输入样本，用样本来训练网络并最终实现检测任务的。它是非参数型的人脸检测方法，可以省去传统方法中建模、参数估计以及参数检验、重建模型等的一系列复杂过程。本文针对图像中任意大小、位置、姿势、方向、肤色、面部表情和光照条件的人脸。
3、文字识别系统
在经典的模式识别中，一般是事先提取特征。提取诸多特征后，要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关和自相关的特征。然而，这些特征的提取太过依赖人的经验和主观意识，提取到的特征的不同对分类性能影响很大，甚至提取的特征的顺序也会影响最后的分类性能。同时，图像预处理的好坏也会影响到提取的特征。
❷ CNN卷积神经网络 DeepLearnToolbox问题
我没用过CNN，我只能就matlab神经网络普遍存在的问题回答你，
1，同样的输入训练样本和测试样本得到不一样的结果，可能是因为权值初始化是随机的，每个随机的初始值在训练的时候，误差只能收敛到那片区域的局部最小值，而不能保证全局最小值。就像你被随机传送到一片起伏不定的山区，你沿着下山路径走到地势最低的点，但不能保证那个是整片山区地势最低的点。这是神经网络中很常见的局部最小值问题。你可以通过设置学习算法来改善。
2，神经网络会默认将样例按一定比例划分为训练数据和测试数据，好像是这三个属性
net.divideParam.trainRatio ;
net.divideParam.valRatio;
net.divideParam.testRatio;
如果你的测试样例不多的话，那么再划分之后的训练数据就更少了，所以有些数据可能根本没训练过。解决方法就是把训练比例设置为1。
这是我在学习过程中遇到的实际问题以及解决方法，希望对你有帮助
❸ 用卷积神经网络实现mnist分类为什么会死机
要讨价还价8
❹ 卷积神经网络训练了一天正常吗
正常
卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围范围内的周围单元
❺ 卷积神经网络（CNN）文本训练的问题
CNN卷积神经网络是一种深度模型。它其实老早就已经可以成功训练并且应用了（最近可能deep learning太火了，CNNs也往这里面靠。虽然CNNs也属于多层神经网络架构，但把它置身于DL家族，还是有不少人保留自己的理解的）。
❻ 训练一个图像识别分类的卷积神经网络，使用什么配置的电脑比较好
看你的描述这么专业，最后怎么问的有点外行，既然系统做图像识别的学习，肯定是需要大数据配合，电脑哪里处理的了，要用服务器，如果是初级应用，那么性能不一定要多强，两台入门级的服务器吧，因为可以支持多线程处理，为了节约，可以买国产的塔式服务器，便宜而且可以不用机柜，现在的服务器大多也都是千兆网卡了，不用特意要求，主要在内存和硬盘，现在的服务器瓶颈就是数据读取速度，资金允许就配固态盘做数据盘，配合前兆网卡和两台服务器处理能力，完美的学习环境。
❼ matlab卷积神经网络运行有错误
错误原因是cnnsetup函数找不到。
1. 请将程序文件夹至于不含空格和中文的路径下，路径越简单越好，比如D:works这种
2. 请在出错语句前加入一行：
whichcnnsetup;ls;
然后贴出执行结果，以便诊断出错原因。
❽ 如何使用tensorflow实现卷积神经网络
没有卷积神经网络的说法，只有卷积核的说法。
电脑图像处理的真正价值在于：一旦图像存储在电脑上，就可以对图像进行各种有效的处理。如减小像素的颜色值，可以解决曝光过度的问题，模糊的图像也可以进行锐化处理，清晰的图像可以使用模糊处理模拟摄像机滤色镜产生的柔和效果。
用Photoshop等图像处理，施展的魔法几乎是无止境的。四种基本图像处理效果是模糊、锐化、浮雕和水彩。?这些效果是不难实现的，它们的奥妙部分是一个称为卷积核的小矩阵。这个3*3的核含有九个系数。为了变换图像中的一个像素，首先用卷积核中心的系数乘以这个像素值，再用卷积核中其它八个系数分别乘以像素周围的八个像素，最后把这九个乘积相加，结果作为这个像素的值。对图像中的每个像素都重复这一过程，对图像进行了过滤。采用不同的卷积核，就可以得到不同的处理效果。?用PhotoshopCS6，可以很方便地对图像进行处理。
模糊处理——模糊的卷积核由一组系数构成，每个系数都小于1，但它们的和恰好等于1，每个像素都吸收了周围像素的颜色，每个像素的颜色分散给了它周围的像素，最后得到的图像中，一些刺目的边缘变得柔和。
锐化卷积核中心的系数大于1，周围八个系数和的绝对值比中间系数小1，这将扩大一个像素与之周围像素颜色之间的差异，最后得到的图像比原来的图像更清晰。
浮雕卷积核中的系数累加和等于零，背景像素的值为零，非背景像素的值为非零值。照片上的图案好像金属表面的浮雕一样，轮廓似乎凸出于其表面。
要进行水彩处理，首先要对图像中的色彩进行平滑处理，把每个像素的颜色值和它周围的二十四个相邻的像素颜色值放在一个表中，然后由小到大排序，把表中间的一个颜色值作为这个像素的颜色值。然后用锐化卷积核对图像中的每个像素进行处理，以使得轮廓更加突出，最后得到的图像很像一幅水彩画。
我们把一些图像处理技术结合起来使用，就能产生一些不常见的光学效果，例如光晕等等。
希望我能帮助你解疑释惑。
❾ 深度学习为什么加入卷积神经网络之后程序运行速度反而变慢了
实际上对于同等规模的特征，卷积神经网络由于权重共享，极大地减少了训练参数，相比普通的神经网络肯定是更快的，只是因为卷积神经网络现在用来做更复杂的图像运算，让你感觉速度变慢了
❿ 为什么我的电脑会突然卡死
死机是电脑故障中最为常见的一种，同时它也是最令人头疼的一种。因为其故障点可大可小，而且产生死机的原因有很多种，另外其故障现象也是多种多样的，不过笔者把故障现象总的归为两大类——规律性死机和随机性死机。至于死机现象给人的主观表现多为“蓝屏”、画面“定格”无反应（同时鼠标和键盘也无法输入）、经常出现非法操作（或强行关闭某程序）、在进入操作系统前就已失去反应等。
乍看上去死机故障好象很“可怕”，但其故障原因永远也脱离不了硬件与软件这两方面，所以说我们只要知道具体的故障原因就完全可以“摆平”死机故障，甚至将其杜绝。
第一、软件进行故障排除
1。在所有的软件故障中，病毒占了一半以上，可以打开杀毒软件来查杀病毒。
2。删除无用的和不常用的垃圾和软件
3。禁用冗余启动和服务项。禁用所有不必要的问题。
4。将硬件驱动程序更新到最新版本。硬件驱动程序问题也可能导致崩溃，所有的崩溃都更新到最新版本。
5。软件故障的最终解决方案 → 重新安装系统。
如果上述任何操作无法解决，重新加载系统，或者重新加载系统是无用的的话接下来看硬件
第二、硬件故障排除
1。除尘 灰尘、清理电脑硬件灰尘 用毛刷或者吹风机清理一下。
2。尝试的重新插一下内存条（建议清理一下内存条金手指部分，有时候内存条不干净或者松动也会影响电脑正常运行）
3。再次向CPU中加入散热胶。CPU散热不好，温度过高是崩溃重启的主要原理，清理灰尘后，加一些散热胶!
重置主板BIOS设置。把主板恢复到出厂设置，因为设置不当，会带来一些莫名其妙奇妙的故障。
5。检查电源电压及电脑输入是否正常稳定。
测试城市是否在180V-230Vi与10000米之间，太低，太高会导致电脑死机重启，甚至烧毁主板。
检查PC电源电源是否供电不足、老化，用万用表检查+ 12-5 +5，或直接用新表检测
第三，多个程序自动启动
现在的软件喜欢自动添加自己的启动项目，原因很简单，刷用户数据。如果你每次打开电脑时，QQ和杀毒软件都挂掉了，那么它们就不会自动启动了。但是，他们不需要像XX软件那样自动启动升级服务和XXX视频播放器、音乐播放器等
虽然他们说自动启动不会占用你的资源，但它肯定会占用你的生活。电脑可以在20秒内启动，在两分钟内打开，但这是他们的错。