先简单总结一波：
1.卷积就是输入与卷积核内积，得到特征图
2.反卷积就是恢复输入
3.池化的作用就是降维
4.反池化的作用类似于恢复
（不对的地方感谢请多多指正。）
新一、卷积：CNN中卷积就是输入input和卷积核kenel的内积操作，计算方式如图：
内积后得到的是特征图。
如果有多个通道或者多个卷积核，那么计算如下图：
二，反卷积
反卷积是特殊的卷积，可以将输入还原。
具体来说，若卷积核是C，输入是X，卷积得到的特征图就是Y，那么CX=Y
反卷积操作就是，Y左乘X转置，c T y = x
三、池化
池化的作用就是降维。
分为最大池化，平均池化，随机池化。
最大池化是对局部的值取最大；平均池化是对局部的值取平均；随机池化是根据概率对局部的值进行采样，采样结果便是池化结果。
四、反池化
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
