卷积神经网络基础note

主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。

补充内容：

卷积是什么

不管是什么算法，当牵扯到数学层面的时候，都不太好理解 (￣m￣），但是理解之后都会更清楚整个过程。

如果去查卷积的概念，可能会出现这样的定义：

卷积（convolution） 是通过两个函数 f， g生成第三个函数的一种数学算子，表征函数f与g经过翻转和平移的重叠部分的面积。数学定义如下：

​

不好理解，事实上，在卷积网络上使用的离散卷积，也就是不连续的，它是一种运算方式，也就是按照卷积核，将输入对应位置的数据进行加权和运算，接下来结合卷积核的概念，就会很好理解了。

卷积核的概念

接上面，卷积核是整个网络的核心，训练CNN的过程就是不断更新卷积核参数直到最优的过程。

卷积核的定义：对于输入图像中的一部分区域，进行加权求和的处理，其中这个过程的权重，由一个函数定义，这个函数就是卷积核。（这个地方，在有些资料可能会将卷积核解释为权重矩阵，当然概念其实不是很重要，直接将卷积核理解为一种运算方式就可以了）