学习笔记-卷积神经网络(1)

卷积步长
N×N image，f×f filter，P padding，S stride
卷积结果大小为：[（N+2P-f）/S]+1 × [（N+2P-f）/S]+1
如果结果不是整数，则向下取整

立体卷积
image n×n×nc filter f×f×nc （nc：通道数，需一致）
输出结果大小为：（n-f+1）×（n-f+1）×nc’（nc’：filter数量）

最大池化：如果在过滤器中提取到某个特征，输出保留其最大值。
平均池化：过滤器提取到的特征区域，输出保留平均值。
input：Nh×Nw×Nc
output：[（Nh+2P-f）/S+1] × [（Nw+2P-f）/S+1]×Nc
池化层是神经网络中的一个静态属性。
神经网络常见的模式：conv1-pool1-conv2-pool2-FC-FC-FC-Softmax
卷积层优势：参数共享和稀疏连接。（减少参数）