卷积神经网络案例

 

卷积计算

卷积是数学分析中的一种积分变换的方法，在图像处理中采用的是卷积的离散形式。这里需要说明的是，在卷积神经网络中，卷积层的实现方式实际上是数学中定义的互相关 （cross-correlation）运算，与数学分析中的卷积定义有所不同，这里跟其他框架和卷积神经网络的教程保持一致，都使用互相关运算作为卷积的定义。

卷积核（kernel）也被叫做滤波器（filter），假设卷积核的高和宽分别为khk_hkh​和kwk_wkw​，则将称为kh×kwk_h\times k_wkh​×kw​卷积，比如3×53\times53×5卷积，就是指卷积核的高为3, 宽为5。

案例1

通过对图片的卷积计算，对照片的黑白边界进行检测，其中卷积核的选取就变得很重要，卷积核的选取代表了对图片进行的不同操作。[1, 0, -1]这个代表了图片在宽度方向跨度为1的两个位置上是否颜色一致，若颜色一致，则卷积运算之后的结果为0，若颜色不一致，则运算结果非0.

Conv2D为自带的卷积核算子，可以通过调用算子，对卷积核进行定义，可以实现不同形式的卷积核，对图片进行不同的卷积核操作，Conv2D为二维卷积核算子，对图片进行卷积操作。Conv3D，为三维卷积核算子，对视频进行卷积操作。

由python自动定义生成了一张图片，然后对其进行卷积计算