《深度学习入门》学习记录 Part4

这周完整的把《深度学习入门》学完了，重点学习了「卷积神经网络」并通过调试代码的方式把前面的内容复习了一遍。

概念

• 特征图（feature map）：卷积层的输入输出数据
• im2col（image to column）：将输入数据展开以适合滤波器（权重）的函数，其输出结果为2维矩阵。im2col (input_data, filter_h, filter_w, stride=1, pad=0)

卷积神经网络（Convolutional Neural Network, CNN）

在神经网络中新增了「卷积层」（Convolution）和「池化层」（Pooling）。在这之前，需要先了解下之前神经网络中运用到的全连接层。

全连接（fully-connected）

在全连接层中，相邻层神经元全部连接在一起，如Affine层，其输入数据需要为1维数据。
这就导致了数据的「形状」被忽略了。比如图像是包含通道、高、宽的3维形状，但输入全连接层（Affine层）时则需要将其排成1列（MNIST数据集是784个数据）。

卷积层可以保持输入数据的形状不变。

卷积运算

在卷积层进行的处理就是「卷积运算」，相当于图像处理中的「滤波器运算」，进行「乘积累加运算，即将各个位置上滤波器的元素和输入的对应元素相乘后再求和。<