李宏毅--CNN 笔记
- 为什么卷积核的数量等于输出的通道数?
因为一个卷积核会计算所有的输入通道,所以一个卷积核计算得到的feature map是可以代表输入图片的一个特征。
- CNN和fully connected network的区别
简单说就是:CNN是全连接网络的特例,减少了参数同时将参数共享。
具体说就是:
全连接:nxn输入,要得到mxm的输出
每个输出值需要nxn个参数,共需要nxnxmxm个,全连接层的参数量一般占到百分之八十。在 CNN 中,全连接常出现在最后几层,用于对前面设计的特征做加权和。比如 mnist,前面的卷积和池化相当于做特征工程,后面的全连接相当于做特征加权。
卷积:nxnx3输入, 3x3卷积核,nxnxc ,参数量为3x3xc,就相当于全连接层中计算一个输出的值时,只有3x3个连接有训练参数其他的连接的参数为零(即卷积计算),同时计算另一个输出时还用这组参数,(即权值共享)