卷积神经网络-学习笔记三

概念

泛化能力

（generalization ability）是指机器学习算法对新鲜样本的适应能力。 [1] 学习的目的是学到隐含在数据背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为泛化能力。

feature map

在cnn的每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起（像豆腐皮竖直的贴成豆腐块一样），其中每一个称为一个feature map
feature map 是怎么生成的？
输入层：在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片（RGB），一般就是3个feature map（红绿蓝）

[ 下图中三大部分依次是输入RGB图片,卷积核（也称过滤器），卷积结果（输出），* 代表卷积操作，最左部分三片代表3个feature map;

如果是灰色图片（二维），则最左只有一片代表一个feature map，对应的卷积核（过滤器也是二维）]

其它层：层与层之间会有若干个卷积核（kernel）（也称为过滤器），上一层每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map，有N个卷积核，下层就会产生N个feather map
参考链接：https://www.cnblogs.com/yh-blog/p/10052915.html