卷积神经网络
一、为什么需要卷积若参数过多，则内存装不下
比如图像大小1000*1000，那么输入层神经元的数目就是10的6次方，全连接层的参数就是10的12次方，一层就是1万亿个参数。
二、卷积是怎么做的
https://i-blog.csdnimg.cn/direct/f214b83892a04f82b91eba8f9a930f2c.png
把卷积核的每一个参数和图像中的位置举行相乘再求和得到输出。
图像具有区域性，这个连接就叫局部连接，这也是卷积的特点和上风，经过一层卷积之后提取了图像的高层特征。同时卷积时有参数共享的特性，图片具有位置稳定性，比如汽车翻车照样可以识别，图像特征与位置无关，左边是脸右边也是脸。
https://i-blog.csdnimg.cn/direct/10db07b8dc854a42a7ae68df1fdde419.png
步长变大，输出变小。
假如使用了padding，在最外面一圈加0，那么假设步长为1，那么输出的size稳定。加几圈的padding和卷积核大小有关，假如是5*5那么就要加两圈：
https://i-blog.csdnimg.cn/direct/e2e7f939858847c582fc7b95370dfbca.png
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]