更详细的论述含有矩阵叉乘的运算式子中，如何对矩阵求导。从数学的角度分析BP反向传播中，权重（w）与偏置（z）的更新

矩阵求导 main idea 函数的输出如果不是标量，那么求导就是对他的每一个输出分别求，于是问题退化成了输出是标量

转自文章：手撕 CNN 经典网络之 VGGNet（理论篇） (qq.com) 2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司一起研发

深度学习基础入门篇[9.1]：卷积之标准卷积：卷积核/特征图/卷积计算、填充、感受视野、多通道输入输出、卷积优势和应用案例讲解 1.卷积提出背景 在全连接网络[1]中，一张图片上的所有像素点会被展开成

本文讲解了卷积神经网络的重点知识：卷积层、池化层、ReLU层、全连接层、局部连接、参数共享、最大池化、步长、零填充、经典案例等【对应 CS231n Lecture 5】

LeNet 是最早推动深度学习领域发展的卷积神经网络之一。这项由 Yann LeCun 完成的开创性工作自 1988 年以来多次成功迭代之后被命名为 LeNet5。AlexNet 是 Alex Krizhevsky 等人在 2012 年发表的《ImageNet Classifi…

在 FCN 里提到过**转置卷积**，不过到底什么是转置卷积，如何通过转置卷积实现上采样，可能会或多或少感到困惑，为此写了这篇文章。

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 转置卷积不是卷积的逆运算 转置卷积也是卷积 把卷积核矩阵转置乘原图矩阵就是转置卷积，因此卷积运算的反向传播就是通过转置卷积实现的。以及转置卷积在生

对转置卷积（反卷积、逆卷积、分数步长卷积）的理论推导，从正向卷积出发，分析了转置卷积的原理和应用场景。同时给出了从输入输出对应关系层面的形状分析。