卷积神经网络
1 简介
全连接网络层
32x32x3的图像->伸展成3072x1
输入x (3072,1)
计算Wx (10,3072) x (3072,1) = (10,1)
输出y (10,1)
卷积网络层
卷积核的深度总是和输出体的深度相同。
卷积网络由一些卷积层组成,中间穿插激活函数。
一个卷积核->一个激活层
步长一定要匹配
一般情况下,我们看到的卷积层的步长是1,卷积核的大小是FxF,补零为(F-1)/2。这将保留空间大小。
32x32的卷积输入用5x5的卷积核提取特征,使得在空间上体积减小。(32->28->24…)大小缩小的太快并不好,不能很好地提取图像特征。
小结
(1)接受输入维度 W1×H1×D1 W 1 × H 1 × D 1
(2)需要四个超参数
卷积核的个数 K K 卷积核的个数一般是2的次幂,比如32, 64, 128, 512
卷积核长宽
步长 S S
0填充的个数
(3)计算输出维度 W