卷积神经网络常见三层的介绍
卷积层:输入与滤波器做元素积,再求和,即得到输出中对应的一个元素(滤波器可以不翻转)。
池化层:每个通道单独池化,其中,一个通道就代表所提取到的一种特征在图片中的分布,值越大,代表这种特征在该区域就越明显,值越小,代表这种特征在该区域几乎没有,池化后的输出也是保持这样。
最常用的是 最大池化,其次是平均池化。
注意:池化层没有参数要进行学习(更新),它只有超参数(人为设置),无权重矩阵和偏置。
一个完整例子:
其中,从池化层到全连接层要经过平面化flatten,变成一个向量。
注意:池化层无参数,卷积层参数较少,大部分参数在全连接层。