一、理论知识
对于全连接神经网络,如果第 层有 个神经元,第 层有 个神经元,那么权重矩阵有 个参数。当 和 都很大时,权重矩阵的参数非常多,训练效率会非常低。
1. 卷积层
卷积层的作用是提取一个局部区域的特征,不同的卷积核相当于不同的特征提取器。
假设输入数据为M×M二维矩阵,经过N×N的卷积核变换后,得到(M-N+1)×(M-N+1)的特征矩阵。
下图表示的是对二维矩阵样本数据进行卷积操作的演示
2. 池化层
池化层的作用是进行特征选择,降低特征数量,从而减少参数数量。
常用的池化函数有两种:<