吴恩达深度学习4-Week1课后作业1-卷积模型Step by Step

一、Deeplearning-assignment

在本次任务中，我们将学习用numpy实现卷积（CONV）层和池化（POOL）层，由于大多数深度学习工程师不需要关注反向传递的细节，而且卷积网络的反向传递很复杂，所以在本次作业中只讨论关于前向传播的处理细节。

用 python 来实现每个函数，在下次任务用 TensorFlow 中等价的函数构造如下模型:

对于每个前向传播，都有相应的反向传播。因此，每一步前向传播，都会存储一些参数在缓存中。这些参数用于计算反向传播中的梯度。

卷积神经网络

尽管编程框架使得卷积操作易于实现，但它仍然是深度学习中最难理解的概念之一。卷积层将输入转换为不同尺寸的输出：

在实现卷积神经网络之前，首先要实现两个辅助函数：一个用于零填充，另一个用于卷积计算。

零填充

指的是在图像的边缘填充一系列的零点。

上图中，将一个图像（三个通道对应三个RGB值）的每一层RGB矩阵进行padding为2的零填充。

零填充的主要好处如下：

• 它允许你在不缩小宽度和高度的同时使用CONV