总结:
全连接侧重 特征的精确位置
卷积层侧重 特征的相对位置
思考:每次训练都能学到一样的局部特征吗,为什么
卷积核
- 一个卷积核,就是一个局部特征
- 所以卷积层的输出会更少地依赖特征的精确位置(相比全连接层)
为什么这么说:
因为全连接层的权重和位置有着紧密的关联
但卷积层的权重和特征本身紧密关联
理解内在逻辑
池化核
一层中使用较多的卷积核有什么用:
1.提取出更多的局部特征
2.减轻池化层的信息损失
资料
图像的上采样(upsampling)与下采样(subsampled)
典型卷积神经网络架构