一.week1
卷积之后输出图像的大小
卷积之后的大小如上所示:其中
n:为输入图片大小
p:为填充大小
f:为卷积核大小
s:为步长大小,且计算整体向下取整
valid and same convolutions
有效卷积即如1中所示的卷积输出。相同卷积即经过填充之后输出的大小仍然与输入相同的卷积,这种卷积的填充值P=f(f-1)/2
3.三维卷积
卷积核的深度要与输入图像的深度一致,卷积核的多少与输出图像的深度有关
4.单层神经网络的各个参数
注意权重W的参数,因为卷积核的深度要与输入的图像相同,所以要乘以n[l-1]同时又要与本层的输出图像有关,所以又乘以n[l]