CNN卷积神经网络随记

欢迎评论，共同学习

1. CNN和全连接神经网络的区别：卷积层级之间的神经元是局部连接和权值共享，减少了（w,b）的数量，加快训练。
2. 卷积层Convolution、池化层Pooling、输出层SoftMax

• 卷积层：提取特征，卷积有两个部分，一个图像一个是卷积核，卷积核对图像做平移卷积计算输出新的图像的过程就是卷积。
• 池化层：池化层有max pooling和average pooling之分（字面意思），解释来说就是把大的框的像素点整成一个小的，对数据量大的时候好，但是在减少数据时间的同时会缺失一些信息。这三个单元可以在隐藏层中多次组合
  
  卷积核和过滤器的区别：总的来说，过滤器是卷积核的集合：卷积核（kernel）和过滤器（filter）的区别

1. 卷积核就是由长和宽来指定的，是一个二维的概念。
2. 而过滤器是是由长、宽和深度指定的，是一个三维的概念。
3. 过滤器可以看做是卷积核的集合。
4. 过滤器比卷积核高一个维度——深度。