李宏毅《机器学习》笔记(6)--卷积神经网络

CNN架构

首先输入一张图片以后，这张图片会通过卷积层(convolution layer)，接下来做最大池化(max pooling)，这个过程可以反复无数次，反复的次数由事先决定。做完卷积和池化后，要做的另外一件事是flatten，再把压平的output丢到一般的全连接前向神经网络(fully connected feedforward network)，然后得到影像辨识的结果。

卷积（Convolution）：

如果把这卷积层与全连接层两个相联系类比的话，卷积就是全连接拿掉一些weight的结果。

池化（pooling）：

相对于convolution来说，Max Pooling是比较简单的。根据filter 1得到4*4的矩阵，根据filter2得到另一个4*4的矩阵，接下来把output4个一组，每一组里面可以选择它们的平均或者选最大的都可以，就是把四个值合成一个值。这个可以让image缩小。

压平（flatten）：

flatten就是feature map拉直，拉直之后就可以丢到全连接神经网络里，然后就结束了。