CNN Notes [001]

CNN卷积神经网络关键点：

{1} 非全连接的网络（稀疏网络），相比于BP神经网络（全连接的网络），当然CNN也可以有一部分层是全连接层。

{2} 权重共享（权重系数相同），也即是卷积核相同（与位置无关），1个卷积核。1个卷积核对应一个特征映射，进行一种特征提取，得到
一个特征提取图，当然一层可以布置多个卷积核。

{3} 卷积过程就是求权重和过程，权重矩阵就是卷积核。

{4} CNN是一种监督学习算法。

{5} CNN层可以分为特征提取层（卷积层）、特征计算层(采样层）、输入层、全连接层、输出层。

{6} CNN具有位置、尺度、形变不变性。

{7} CNN算法的关键是训练过程，也就是学习过程。

{8} 需要训练的参数，
卷积层：（1）卷积核权重系数，（2）卷积核偏移量，
采样层：（1）采样权重系数，（2）采样偏移量，

{9} CNN算法最初是针对二维手写体图像设计的。

{10} CNN训练的并行学习策略，主要体现在同一层不同卷积核之间独立并行？还是其他策略？

 

 

转载于:https://www.cnblogs.com/courins/p/5417492.html