CNN模型:
filter:其实就是矩阵,像其他算法的wight参数等 一样,是需要自动学习出来的
Convolution:卷积层 用filter去进行卷积运算,每一个filter的工作就是去detect某一种pattern,一个filter就可以卷积一次,得到一个future map,可以多个filter。假使有25个filter,那得到的output就有25个channel。
Max Pooling:池化层 把每一个卷积后得到的矩阵即future map,每2*2选一个值(可以是最大值,也可以是平均值),然后构造出一个新的矩阵
一个convolution加一个max pooling就得到一个新的image(变小变厚)
tensor就是高维的vector
eg:
第一个卷积层之后得到的25*26*26,即是经过第一次卷积运算后得到一个26*26的image,此image的pixel是由一个25维的vector来表示。
得到50*5*5的后,flatten(拉直)一下 得到1250维的vector,再把1250维的vector丢在一个fully connected 的network里面