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。