卷积神经元网络CNN基础

CNN结构

卷积层（Convolution layer）

• Filter（卷积核）：实际上是一个矩阵，用每个Filter与基础图像做内积（内积，不是卷积）可以得到一个Feature Map
• Degree of activation of a filer （卷积核的激活度）: 对Feature Map中的值进行求和，用途是识别特点的特征（在Input有特定特征时，对应的filter求出的degree of activation会很大）
• Stride（步长）：Filter每次移动的距离
  

说明
x:有b张图片，3个通道（R，G，B），像素28*28
one k: 单一卷积核（对R，G，B 3个通道各有一个卷积核），3个通道，卷积核矩阵3✖3
multi-k：有多个卷积核（例如blur，sharp，edge等，识别不同特征）
bias：对应每个卷积核有一个偏置

关于卷积操作

一般要处理的彩色图像拥有不止一个通道，那对应的卷积核也不止一个通道，但是卷积计算出的结果只有一个通道。例如：像素为28*28的彩色图像有R，G，B三个通道，原始的数据张量即为（28，28，3），对应卷积核也应该有3个通道，例如（3，3，3）。但是卷积之后，每个通道对应同一位置的像素值会进行求合，所以卷积之后的结果为(26，26，1)。
如果卷积核有多个，比如100个，卷积核张量大小为（3，3，3，100），这样卷积之后的结果为（26，26，100）

• Python代码

import torch
layer = torch.nn.Conv2d(1,3,kernel_size=3,stride=1,padding=0)  #原图通道为1，卷积核有3个，卷积核大小为3*3，步长为1，补丁（原图扩展）为0

池化层（Max Pooling layer）

• 对Feature Map进行压缩（对图像进行压缩，通过一定规则选择特定像素点，比如仅选择feature map中的最大值，以对feature map进行降维）
• Python代码

layer = torch.nn.MaxPool2d(3,stride=2)   #卷积核大小为3*3，步长为1，选择feature map中最大值

Flatten layer

• 在全链接层之前，需要把数据“压扁”成一维（后面全链接层就和普通的神经元网络一样了）

全链接层（Full connect layer）

金子塔结构

• CNN的网络结构中的一种，每层识别的特征由简到繁。