本文首发
https://blog.csdn.net/qq_25762497/article/details/51052861#%E5%85%A8%E8%BF%9E%E6%8E%A5%E5%B1%82fully-connected-layer
**
卷积神经网络(CNN)
卷积神经网络跟普通的神经网络相似,他们都具有可学习的权重和偏执常量的神经元组成
卷积神经网络是具有三维体积的神经元(是比较抽象的)
这是传统的二维神经网络
这是三维的卷积神经网络(更加的便捷高效)
卷积神经网络层次结构
1.卷积层
2.线性整流层
3.池化层
4.全连接层
卷积层:
这是卷积神经网络结构很重要的结构,卷积神经网路中每层卷积层由若干卷积单元组成,每一个卷积单元的参数都是由反向传播优化来的,卷积神经网络目的是为了提取输入的不同的特征,每一层会提取更加复杂的特征,后面的层次他会从前面层次提取更加复杂的特征,一层一层的加深
输入图像是32323,3是它的深度(即R、G、B),卷积层是一个553的filter(感受野),这里注意: