2020-10-15 吴恩达机器学习第四课笔记（一））

检测水平与垂直: 通过 使用特定的滤波器

Xnip2020-10-15_16-25-36.jpg

灰度图像：661
RGB图像：663

卷积核---术语也称之为filter

Padding

原因：每进行一次卷积，图像都会缩小，卷积越多次，损失的信息越多
解决办法：使用Padding，对边缘进行填充，一般用0 来填充；
比如：原来是66的矩阵，使用33的卷积核卷积之后变成44，损失了部分信息；使用Padding之后66的矩阵填充成88，使用33的卷积核卷积之后仍旧是6*6；

Valid and Same convolutions

Valid:nn * ff --> n-f+1 *n-f+1 （f 通常是奇数 ）

Same: Pad 之后，输出大小和输入大小一样

卷积的步幅

Xnip2020-10-15_18-46-49.jpg

RGB图像的卷积

Xnip2020-10-15_18-58-30.jpg

height * width * channels （通道数）

Xnip2020-10-15_19-01-29.jpg

方式: 依次取卷积核中的27个数字，与矩阵中的相应位置的27个数做乘积，再求和，得到卷积的某一位置的值----最后卷积完成为4*4的矩阵

单层卷积网络