研一汇报第三周（2019.11.10）
《深度学习》第7章-卷积神经网络-总结
卷积神经网络（Convolutional Neural Network,CNN）
7.1整体结构
- 基于全连接层（Affine层）的网络（4层）
问题是：数据形状被“忽视”，比如输入图像，3维---->1维（1，28，28） - 给于CNN的网络：新增了Conv 层和Pooling层
7.2卷积层
卷积运算：将各个滤波器（核）的元素和输入的对应元素相乘，然后再求和（乘积累加运算）
填充：目的是为了调整输出的大小---->若输出度为1，则可能无法卷积。
步幅：指定滤波器的间隔
公式：输入（H,W）,滤波器（核）大小（FH,FW）， 输出（OH,OW），填充 P , 步幅S。
备注：OH ,OW必须除尽，否则进行报错处理，当然，一些框架在无法除尽时，会四舍五入，不进行报错而继续。