一个卷积层中有好多卷积核,上图展示出:2个卷积核,就有2个输出特征
128个卷积核,能捕捉128种局部特征,会有128个输出特征(feature map)/(通道)
因此,卷积核数量称为:output number
卷积核作用类似于:提取边缘特征,因为边缘特征的语义信息丰富
-------------------------------------------------------------------------------------------------------------------------
卷积核个数是超参数,自定义,但肯定是层越深,卷积核个数越多。(因为:层越深,图片尺寸逐渐降低,特征需要不断增维。卷积核个数变多,会引起特征增维)
----------------------------------------------------------------------------------------------------------------------------------
32*32*3 RGB图片需要5*5*3个卷积核。ps:3个通道,每个通道要有不同的卷积核
---------------------------------------------------------------------------------------------------------------------------------
卷积层后面要追加一个relu,是基本配置
卷积核是线性操作,relu是非线性,使用relu增加非线性。
---------------------------------------------------------------------------------------------------------------------------------
①1个feature map=1个通道=1个卷积核输出
②卷积步长>1,有降维作用
③GPU并行,排序cpu擅长
----------------------------------------------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------