立即学习:https://edu.csdn.net/course/play/26109/325193?utm_source=blogtoedu
全：每个 都有整幅图的信息
’全局‘开始学
卷积层：只学习原图中很小的一部分 一个窗口
点积 学到的部分
‘局部’开始学
长条： 特征 深度：用多少卷积核
2：20min
卷积特点：
1)分层次 窗口只有这么大
低层：像素 =》高层：featuremap
3：10min
2）平移不变性 局部的，特定的图像 这个位置 对卷积‘不变’
4：14min
计算方法
4：30min
早期固定的卷积核
=》深度学习：参数是训练的
在原来的特征图上特征学习
点积的输出：一个数值
5*5->3*3
卷积核=> 得到一个数字/向量
卷积核做张量积， 有深度
7min：
边界效应
9个窗口-》9个数字
8：30min 边缘填充
9：25min 步进卷积
提升学习效率，但有‘风险’：中间重叠的可能‘没’学到 某些特征
11：10min
过滤器与特征图 ：不同深度，‘可视化’方式展现
不同通道：某种颜色更突出的效果
可猜测出
越到高层次：跟原图越不相干
12：30min
池化层：加快训练效率
部分小窗口，输入特征图：只选1个
最显著的点：在特定通道/过滤器响应最大的
比如max/average pooling,
eg 美图秀秀，拉皮
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
