CNN的卷积执行过程
最近在看李宏毅老师的机器学习，讲到CNN这里的时候对下面这张PPT怎么都想不明白，经过一番网上冲浪，终于搞明白了。原PPT如下。
核心疑问：25 * 13 * 13的特征图在经过50个3 * 3的filter之后是怎么变成50 * 11 * 11的特征图的？
这一切要从CNN是怎么做卷积的说起。对上图PPT的例子分析如下：
（1）输入图像为灰度图（只有一个channel），大小为28 * 28，每经过一个filter的卷积操作后，生成一张特征图。一共有25个filter，生成25张特征图。同时图像大小被卷积压缩（边缘像素没了），也就是25 * 26 * 26。
（2）MaxPooling，图像长宽减半，因为用的是2*2的pooling，四个像素取一个
（3）25 * 13 * 13变为50 * 11 * 11，filter大小为50 * 3 * 3
这里的filter大小（3 * 3）是没有加上深度的，真正的filter大小时3 * 3 * 25，25是第一步特征图的个数，也是filter的深度。
这一步的input是25 * 13 * 13的特征图组，和同样大小（25 * 13 *13）的第一个filter进行卷积，得到25 *13 *13的临时特征图组，这个临时图组每一张都有相应的权重，按权重将25张图合成一张图。自此一个filter的卷积操作完成。
接着将剩下49个filter都这么操作下去，就得到了50张特征图。这也就是“有多少个filter就有多少张feature map”说法的由来，因为不管输入的图像有多少个channel或者输入本身就是特征图组，但是经过filter之后它都会变成一张特征图。
如果还不懂的话可以到CNN Explainer里看一下，它把CNN的过程可视化了（大佬牛逼！）
下图的kernel weight用红色标出，都是一个东西。蓝框里的字是重点，蓝框里的字也可以印证“不管输入图像的深度为多少，经过一个卷积核，最后都变成一个深度为1的特征图”这句话的真实性。
如果还还还感觉有疑问的，我画了一张丑丑的示意图，或许可以帮忙。是以只有一个通道的灰度图为例的。
到此为止，CNN的卷积执行过程才算彻底清楚了。感谢参考链接中大佬们的付出>o<