PyTorch入门实战教程笔记(十九):卷积神经网络CNN 1
什么是卷积
1. 卷积神经网络基本概念
对于神经网络有几层,第一层为输入层,是不计算在内的,下图有3个隐藏层1个输出层,所以是4层的神经网络。每一层包含输入它的参数和它的输出。对于MiNIST数据集,2828 输入为784,参数一共390k,1.6M存储。
但是虽然1.6M存储,在当时储存计算也是非常困难的,计算机学家就利用模仿人眼的一个局部相关性,提出的网路叫做卷积神经网络,卷积指的是局部相关性,每次感受的是小的视野,而且小窗口会移动,且权值是共享的,能够大大减少参数量。卷积操作解释可参考:深度学习之CNN入门:1.卷积神经网络,简单的说,图像中的卷积操作就是利用卷积核在图片上按照一定步长进行滑动,并将对应位置进行点成运算,然后将点成运算结果累加成一个数值,即为下一个feature map的点。
2. 卷积神经网络
首先我们来看一下,对于2D的图片数据,是怎么进行卷积运算的,假设图像数据为I(x,y),卷积核kernel为k(x,y),卷积核是