目录
如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔~我会非常开心的~
花书+吴恩达深度学习(十二)卷积神经网络 CNN 之全连接层
花书+吴恩达深度学习(十三)卷积神经网络 CNN 之运算过程(前向传播、反向传播)
花书+吴恩达深度学习(十四)卷积神经网络 CNN 之经典案例(LetNet-5, AlexNet, VGG-16, ResNet, Inception Network)
0. 前言
卷积神经网络(convolutional neural network,CNN)是一种专门用来处理具有类似网格结构的数据的神经网络。
卷积网络是指那些至少在网络中的一层使用卷积运算来替代一般矩阵乘法的神经网络。
数学意义上的离散卷积表示如下:
其中, 称为输入(input), 称为核函数(kernel function)或者过滤器(filter),输出有时称作特征映射(feature map)。
在数学中,在计算卷积之前需要对过滤器进行翻转。
在机器学习中,计算方式和卷积一样,只是没有翻转,称为互相关函数,但是通常称之为卷积。
1. 2D 图像卷积
卷积运算如下图所示(图源:深度学习):
过滤器(核函数)像是依次扫描图像二维矩阵的窗口,将对应位置相乘再相加。
如果原始图像的大小为 ,过滤器的大小为 ,则卷积运算后的图片大小为 。