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）