《神经网络与深度学习》_邱希鹏_学习总结拓展及课后习题答案_持续更新...

第五章 卷积神经网络

小结：本节主要讲了卷积的一些基本特性，比如局部连接、权重共享、汇聚层，并从一维、二维层面用非常直观的图片展示了卷积的特性；卷积核是否进行翻转和其特征抽取的能力无关；不同的卷积核相当于不同的特征提取器；从仿射变换的视角解释了转置卷积，虽然转置卷积也称反卷积，但是反卷积的称呼并不恰当，因为它不是卷积的逆运算。
部分习题：
习题5-3、分析卷积神经网络中用1×1滤波器的作用–待修正
其一，可用于降低维度。例如当图像大小为 ，可降维成 。其二，将位于每个点位上的所有通道特征进行卷积，实现跨通道的特征抽取。
习题5-4、对于一个输入为100 × 100 × 256的特征映射组，使用3 × 3的卷积核，输出为100 × 100 × 256的特征映射组的卷积层，求其时间和空间复杂度．如果引入一个1 × 1卷积核，先得到100 × 100 × 64的特征映射，再进行3 × 3的卷积，得到100 × 100 × 256的特征映射组，求其时间和空间复杂度。
时间复杂度满足公式： T i m e   ( M 2 ∗ K 1 2 ∗ C 1