convolutional neural networks

特征提取（卷积、下采样）->分类器 （全连接）

卷积过程

依次进行数乘 （每个相同位置上的数字相乘再加和）

左右数乘矩阵channel数量要一样，输出得到一个通道

卷积核与图像无关，属于共享权重的机制

 

padding

输入=输出大小，若kernel=3，3/2=1，输入填充1圈0；若kernel=5，5/2=2，填充两圈

 

 stride：中心移动距离

有效降低high和wide

下采样 

在每一层通道中寻找2x2中最大的

最大池化层

 

 例子

3x3长宽减少2

5x5长宽减少4

池化层2x2长宽减少一半

 

池化和relu顺序可以变化  ，最后一层不做激活

迁移到gpu 

 

 

 

 转大佬笔记