论文部分内容阅读
随着人工智能飞速发展,人工智能技术不断与人们生活接触,在不同领域都有了突出贡献。人工智能成为当今研究的重要课题,人们不仅在算法以及硬件技术,还更注重实际应用的研究。深度学习是人工智能的重要组成部分,在图像识别,语言识别,自然语言处理等方面都成为当今主要解决方法。深度学习算法在传统算法基础上研究发明了深度卷积神经网络以满足当今对大量数据的特征提取和学习要求。人们在硬件配置上提出分布式计算,云计算等方法解决此前深度学习对训练环境配置要求高的难题,使更多人能加入深度学习的研究中。世界上众多顶尖高科技公司成立实验室对深度学习寻找更简便更迅速的开发模式,由此产生了本文研究的Tensorflow深度学习框架。云计算中也有阿里云提供可以满足深度学习的计算机能力的云平台。首先本文介绍了本课题的背景、研究意义和国内外研究现状。然后对卷积神经网络的基础理论进行阐述,引出3种重要卷积神经网络模型。本文通过使用云计算以及公有云的能力,以基于python语言的Tensorflow深度学习框架对深度卷积神经网络模型进行研究、应用和改进。之后,我们又介绍了阿里云平台对深度学习的计算环境配置搭建和Tensorflow深度学习框架的原理以及环境搭建。最后以此前原理和环境搭建为基础,对CIFAR-10数据集和驾驶员行车状态检测数据集使用不同卷积神经网络模型进行训练仿真,并根据实验结果输出从理论分析影响结果的原因和改进方法,并通过改进方法对网络进行调参继续训练,提高数据效果。完成数据集分类的最终目标。