【随笔】卷积神经网络中的卷积怎么卷？

最近在看《深度学习之美:AI时代的数据处理与最佳实践》发现对于卷积核深度的理解有点混淆。

于是又看了《TensorFlow:实战Google深度学习框架(第2版)》，分清了卷积核输入深度和输出深度。

但是，对于如何把3×3×3的矩阵卷积到3×3×6 ? 终于在《动手学深度学习》中搞懂了！

（1）首先对于灰度图片进行卷积，即二维矩阵，卷积即对应位置元素相乘再相加，如下图：

（2）如果图片是彩色的，那么我们输入三维矩阵，每一维都要有对应的卷积核，在逐维卷积后，对应元素相加，便得到最终的输出矩阵。如下图：

（3）经过上述操作，我们卷积后的得到的矩阵还是二维的，即一个平面。那么如果我们需要挖掘更深层次的特征，是不是可以把操作（2）多重复几次，也就是使用不同的卷积核 / 过滤器进行多次卷积，这样便会生成多个特征矩阵。卷积核个数也就是我们说的卷积核输出深度，而图片的第三位通道数则为卷积核输入深度，和卷积核的宽、高统称为卷积核的尺寸，卷积过程见下图：

注：这里为了作图方便，n个卷积核内容都一样，所以输出的特征矩阵也一样，实际会用不同的卷积核构造输出深度。

今天看了篇新资料，里面卷积讲的挺好的，引用如下：
【一文读懂Faster RCNN】

猜你喜欢：👇🏻
⭐【随笔】深度学习之美——杨家有女初长成，养在深闺人未识
⭐【随笔】激活函数是怎样一种存在？