1.主要就是知道卷积核/过滤器是什么,以及卷积核窗口是输出就可以了
2.互相关运算,就是矩阵对应位置的元素相乘,得到新的矩阵
3.这里是python实现二维互相关运算
4.二维卷积层通过把输入和卷积核做互相关运算,并加上一个标量偏差,得到输出
5.所以,卷积模型的训练参数就包括了卷积核和标量偏差
6.特征图:二维卷积层输出的二维数组可以看作是输入在空间维度上某一级的表征
7.感受野:影响输出的二维数组中元素x的所有可能输入区域叫做x的感受野,如下图中,输出的二维数组中的元素19,它的感受野就是输入中的那个蓝色小矩阵
8.上采样:主要目的是放大图像,从而可以显示在更高分辨率的显示设备上
9.反卷积:指通过计算输出和已知输入,计算未知输入的过程