刚开始接触深度学习、卷积神经网络的时候非常懵逼,不知道从何入手,我觉得应该有一个进阶的过程,也就是说,理应有一些基本概念作为奠基石,让你有底气去完全理解一个庞大的卷积神经网络:
本文思路:
一、我认为学习卷积神经网络必须知道的几个概念:
1、卷积过程:
我们经常说卷积神经网络卷积神经网络,到底什么才是卷积?网络层卷积过程到底怎么实现?我们在这里借鉴了另一位博客大牛的动态图来给大家演示一下,
图作者文章在此:http://blog.csdn.net/silence1214/article/details/11809947
我们可以看到,卷积过程其实还是基于一个固定的矩阵,在另外一个矩阵不断一格一格扫过去的到的数值的和,(注意:这里的一格一格非常重要,因为涉及后面的概念:步长→我们不妨想一想当固定矩阵不是一格一格前进的时候,会发生什么呢?)产生的一个新的矩阵,我们以作为比较会发现:粉红色矩阵和绿色矩阵在根本上有很大不一样,
第一,卷积之后的维数降低了;第二,我们要想想为什么降维了?(思考:降低维度到底有没有规律?)
答案是有的:我们发现橙色的固定框为3*3,绿色是5*5,出来是三乘三;
所以规律可以得到:粉红色最后的卷积结果矩阵维度=绿色矩阵维数-橙色矩阵维数+1
(我们又应该思考:如果我不想最后减少维度,我只希望卷积,怎么办呢?)
2、两层之间的池化:
我们依然延用博客大牛的另一个动图(再次点赞做的精细准确!)
我们可以发现其实跟之前没什么不一样:还是以三个矩阵之