![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/c7c1253a0b58205c6a092e58a0fc1355.png)
卷积神经网络组成:
[INPUT-CONV-RELU-POOL-FC]
·输入层
·卷积层
·激活函数
·池化层
·全连接层
卷积计算过程:
其中步长stride是人为指定 此时是2 每次向右滑动两个步长
pad为周围加几圈0,目的是为了使中间的输入数字能被重复利用多次,被覆盖多次,
pad=1 即加一圈0.
输入是hiwi 55
filter=33
输出是howo 3*3
pad=1
stride=2
ho=(hi-filter+2pad)/2 +1
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/214053a0d842f3d6636ad36ef5bf6d25.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/79ada194fee4384e16beed5de49f7ea4.png)
卷积参数共享会节约很多时间
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/4e03d9ebbd8ff669c5d2835c98a64996.png)
池化层:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/0a3d7d84907510aae967fa5922d7821f.png)
max 为取最大值 每个框中的最大值 池化相当于压缩提取,mean为取方框中的平均数