卷积神经网络示例

前提：

• 有一张32*32*3的RGB图片作为输入。
• 想做手写体数字识别，图片中含有某个数字，比如 7 。你想识别它是从0-9中的哪一个，我们构建一个神经网络来实现这个功能。

---

过程：

•   第一层使用卷积核大小为 5*5，步长为 1 ，padding是0，卷积核个数为6，那么输出为28*28*6。将这层标记为Conv1.它用了6个过滤器，增加了偏差，应用了非线性函数，可能是Relu非线性函数。
• 然后构建一个池化层，这里选用最大池化，参数 f = 2 ，s = 2 ，表示层的高度和宽度都会减少一半。因此，28*28变成了14*14，通道数量不变，所以最终输出结果为14*14*6，将该输出标记为Pool1。
• 我们把卷积层和池化层当做第一层layer1。

 

• 再构建一个卷积层，卷积核大小为 5*5 ，步幅为1，这次我们用16个卷积核，最后输出一个10*10*16的矩阵，标记为Conv2。
• 最后做最大池化，超参数f = 2， s = 2，高度和宽度减半，最后输出为5*5*16，标记为pool2
• 这两个是神经网络的第二层layer2。

 

• 5*5*16矩阵包含400个元素，现在将pool2平整化为一个大小为400的一维向量。我们可以把平整化结果想象成这样的一个神经元集合，然后利用这400个单元构建下一层。
• 下一层包含120个单元，这400个单元和这120个单元紧密相连。这就是我们的第一个