CNN小知识

李宏毅--CNN 笔记

1. 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。

1. CNN和fully connected network的区别
2. 

 

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）