图片来自网络
绪
卷积神经网络分为输入层、隐层、输出层;隐层可分为卷积层和池化层。
特点:非全连接,权值共享。降低网络模型的复杂度,减少了权值的数量
1. 卷积层
1.1 单通道+单卷积核
输入图像大小为 5* 5,假设采用一个 3* 3的滤波器对其进行卷积,stride=1,输出图像的大小为 (5-3+1)* (5-3+1)=3* 3
1.2 多通道+多卷积核
输入图像大小为 7* 7* 3,
采用一个 (3* 3* 3)* 2的滤波器对其进行卷积,stride=1,
输出图像的大小为 ((7-3+1)* (7-3+1))* 2 = 5* 5* 2
总结:
输入通道数=卷积核通道数
输出通道数= 卷积核个数
所以通过改变卷积核个数改变了输出通道数
1.3 1*1卷积核作用
1.升维/降维
由于 1×1