卷积神经网络
卷积层
鲁棒性: 也就是当数据发生变化或者其他的原因,算法的效率稳定。
卷积的特性: 拥有局部感知机制,因为每个卷积核的权值是不变的所以具有权值共享的特点,目的就是进行图像特征提取。
上图的参数大大的减少了,这就是权值共享的优势。
- 卷积的深度就是卷积核的个数,也就是输出特征矩阵的channel与卷积核个数相同。
- 卷积核的channel和输入特征层的channel相同
。
激活函数
使用较多的是relu激活函数。在用relu的时候尽量不要用很大的学习率进行学习,这样的话会导致很多神经元失活,神经元一旦失活在进行反向传播的时候可能就不会再次激活
。
卷积之后的矩阵尺寸