卷积神经网络的padding(四)

边界填充

  • 弥补边缘点计算次数比中间少引起的边缘误差,使得边界点变成中间点卷积神经网络的padding(四)_第1张图片

计算公式

卷积神经网络的padding(四)_第2张图片

参数共享

  • 每个特征图的参数都是一样的,如10 * 55 * 3 有十个特征图参数,即每个特征用3层rgb提取, 所以参数总共 55*3 *10 = 750 个参数
  • 加上b的偏置项目, 10个特征有10个 所以总共参数为760个卷积神经网络的padding(四)_第3张图片

池化

  • 对每个特征图进行压缩,也叫压缩层,下采样。
  • 不改变特征图个数
  • 卷积神经网络的padding(四)_第4张图片

你可能感兴趣的:(深度学习,cnn,大数据,人工智能)