目录
卷积网络与传统网络的区别
左边是传统网络(二维),右边是卷积网络(三维)
整体架构
卷积层:提取特征
左边蓝色矩阵,此时{{2,2,3},{0,2,2},{0,0,1}}为数据,称之为“卷积核”,
而下面这个小数字{{0,1,2},{2,2,0},{0,1,2}}相当于传统网络之中的w(权重);
右边绿色矩阵为计算出来的特征结果
卷积层里的几个参数
滑动窗口步长
常用步长为1,但是有时需要考虑效率问题,步长为1效率很低
卷积核尺寸
同样卷积核的大小也会影响效率,一般为3x3
边缘填充
如图灰色区域,目的每次滑动窗口,防止重复利用的数据对结果过于占主要作用,一般填充一圈。
卷积核个数
卷积结果计算公式
卷积参数共享原则
池化层:压缩特征
64没有变,池化层只会缩减,但不会减少特征的个数
最大池化
平均池化(一般不参用)
一般步骤图示![](https://i-blog.csdnimg.cn/blog_migrate/b9b3c4149e680d9d5a003779a712a3f8.png)