【深度学习】基础知识——CNN

知乎参考：卷积神经网络CNN学习 - 知乎 (zhihu.com)

B站视频：1.1 卷积神经网络基础_哔哩哔哩_bilibili

全连接层：将卷积后的图像与输入图像建立全连接，模拟神经细胞

在知乎参考文章的基础上补充B站视频卷积相关知识：
1、输入图像通常为RGB图像，则有一张图片有R, G, B三个矩阵，那么卷积核也要对应三个矩阵，然后卷积核卷积相应的矩阵，三个卷积结果相加，得到输出图像矩阵。
2、卷积核的通道数与输入矩阵通道数相同，输出矩阵的通道数与卷积核的个数相同。
3、激活函数：
sigmoid函数：梯度爆炸
ReLU函数：反向传播时，如果有梯度特别大，则权重中心很容易小于0——不要用特别大的学习率学习，容易导致很多神经元失活
最后一层常用softmax函数（多分类），二分类常用sigmoid函数
4、越界情况：加padding

概念统一：
卷积核又叫滤波器（kernel或filter）
通道数即深度

5、池化层：减少数据量，不增加参数
最大池化层：池化核内取最大
平均池化层：取平均
池化核大小一般和步长一致