包含了卷积层的网络都可以理解为卷积神经网络
1.全连接层
由许多神经元连接而得来
bp神经网络
将神经元按列排列,列于列之间进行全连接可得到bp神经网络
bp算法包括信号的向前传播和误差的反向传播两个过程
2.卷积层
卷积核在特征矩阵上滑动
卷积核要和输入矩阵维度保持一致
卷积核的channel和输入特征层的channel一致,
输出的特征矩阵channel与卷积核个数相同
激活函数
在卷积过程中如果出现越界的情况可以用padding进行补零
输入图片大小W*W
Filter(卷积核)大小F*F
步长S
padding的像素数P
经卷积后的矩阵尺寸大小
N=(W-F+2P)/S+1
3.池化层
没有训练参数
只改变特征矩阵的w和h,不改变channel(深度)
一般poolsize和stride相同