深度学习术语

一些名词：

depth/depthcolumn/fibre——K:叠加的卷积核的个数。每个卷积核对一层图像I1进行处理得到I2（activationmap），下一个卷积核在I2基础上进行处理得到I3（activationmap）,…,得到In，n-1就是depth。

stride——S：步长，即进行卷积后该filter窗口往右/下移动的步长（像素个数）

pad/padding——P：边界宽度（像素个数）。

ParameterSharing：参数共享，即用同一个卷积核来对一幅图像进行卷积。否则，每个输出图像像素有自己单独的卷积核，那么所有卷积核的参数将非常庞大。这样做的正面支持理由是，同一个卷积核对同一特殊的结构有着强刺激反应，比如某些卷积核对边，有的对blob,….Dilatedconvolution:w[0]*x[0]+w[1]*x[1]+w[2]*x[2].Thisisdilationof0.Fordilation1thefilterwouldinsteadcomputew[0]*x[0]+w[1]*x[2]+w[2]*x[4].

epoch：1个epoch等于使用训练集中的全部样本训练一次；实际过程中我们会不断迭代地训练我们的网络，所以如果用整个样本进行一次训练就是epoch，迭代N次就是N epoch.
wiggle/kinks： 指代非线性函数.
effective receptive field: