卷积神经网络_7

任务链接: https://shimo.im/docs/RFlP7snWLoQ0ejMU

参考: https://blog.csdn.net/sherpahu/article/details/90484459

https://blog.csdn.net/randompeople/article/details/90454173

卷积的理解，就是在一组变量上，通过一个范围函数做操作，不断移动这个范围对数据做相同的操作，最终便利完毕数据得到结果的过程。

一层数据一个核（参数共享），出一个卷积结果。如下图所示，当使用大小为k的卷积核进行操作时，从原来的m*n个参数，降低为了k*n个参数，输入对这k个参数是共享的，实现了权重的稀疏。

一维和二维的卷积运算分别阔以用文本的cnn和图像的cnn进行举例。

池化是使用某一个为位置的相邻输出的总体特征来代替网络在该位置的输出，也就是换一种方式当作特征。主要有maxpooling和average pooling

如下图分别为二维卷积计算和一维卷积计算的过程，权值共享会大大减小参数的数量。