吴恩达course 4 课程学习

一.week1

1. 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

2. 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]

5.一个简单神经网络的参数计算表