1. 卷积核的权值是通过训练得到的,但卷积核的数量(通道数)和卷积核的大小是需要预先设定的,常用的卷积核大小有3x3,5x5等。
2. 典型的CNN结构:输入层->卷积层->池化层->卷积层->池化层->全连接层->全连接层->输出层,深度神经网络层数更多,但每个卷积层后并不是必须要加池化层。
3. 一般使用N*N的卷积核对M*M的图像进行卷积后,得到的特征图为(M-N+!)*(M-N+1),特征图的大小总是小于输入图的大小会使神经网络的深度是有限的,如果要使特征图的大小等于输入图的大小,
一篇CNN讲得很好的文章[翻译] 神经网络的直观解释