deep learning.ai 第四课笔记-卷积神经网络

第一周：卷积神经网络

 

1.padding：步长为1时，为了不让卷积后的图像变小，以及削弱边缘信息丢失的缺点，可以在原始图像边缘填充像素，再进行卷积。比如说，过滤器f是3*3,原始图像n是6*6,那么得到的输出就是n-f+1=4*4,padding=1时，即在原始图像外周填充一层像素，则输出为n+2p-f+1=6*6，和原始输入一样。

 

步长为s时

2.关于卷积层的总结

3.池化层（pooling），池化层没有需要学习的参数，只是一个静态属性。池化操作一般分为最大池化（max pooling）和平均池化（average pooling），分别是取池化区域的最大值和平均值。

4.softmax输出多个类别的预测值，且相加得一，用于多分类任务；

logistics输出一个预测值，用于二分类任务。

一个基本的神经网络如下，其中FC3，FC4是全连接层

 

5.和只用全连接层相比，卷积层有参数共享和稀疏链接