cs231n-学习笔记-05卷积神经网络

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$W_{1}\times H_{1}\times D_{1}$

（2）需要四个超参数

卷积核的个数$K$ 卷积核的个数一般是2的次幂，比如32， 64， 128， 512

卷积核长宽$F$

步长$S$

0填充的个数$P$

（3）计算输出维度 W