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

你可能感兴趣的:(2020-10-15 吴恩达机器学习第四课笔记(一)))