结合吴恩达前辈deeplearning.ai 的卷积神经网络课程,我想我对卷积神经网络有了进一步深刻的了解。下面是我做的一些学习笔记,如果有不对的地方,欢迎一起讨论。
目录
什么是卷积?
什么是池化?
为什么要用卷积神经网络?
卷积神经网络是怎么减少参数的?
1.什么是卷积?
用3*3 的卷积核对图像进行卷积遍历,对应元素相乘然后求和,得到特征图的过程,就是卷积。
填充(padding):输入图像的角落(边缘)信息可能会丢失,在图像外围进行填充。
两种方式:
1.valid padding(no padding)
输出维度的计算公式:见下图
2.same padding : 经过这种填充之后,得到的输出维度与输入维度相同。
步长(stride):