深度学习笔记(6)卷积

1.卷积神经网络convolutional neural network

卷积神经网络是有生物学意义的,每个视觉神经元只对特定的一定范围的图形进行感知。相对于普通神经元来说,它会大大减少参数量。

2.卷积网络的计算过程

在卷积神经网络中有个卷积核的概念,每个卷积核与相应的图像区块进行乘积运算,然后通过激活函数。接着可以连接池化层,池化可以增加图像的旋转、平移和缩放的不变性。
多通道下的卷积,是每个通道卷积核运算后各通道之和进入激活函数。
1X1的卷积也是有意义的,会增加模型的非线性(增加一次激活运算),提高模型的拟合能力。
步长strider
补偿问题,SAME
如果步长不为1,那么补偿成一样大小是有困难的(补的范围会很大)

你可能感兴趣的:(深度学习笔记(6)卷积)