初识卷积神经网络

卷积神经网络的参数实际上就是卷积核的参数

• 卷积核相当于一个特征提取器，有stride(步长),padding,K(数量),F(长度)这四个超参数。

• 激活函数增加非线性元素。

1. 池化层相当于把图片的尺寸进行缩放来配合特征提取器工作。
2. 本质上是认为定义的卷积核，不算做参数。

• 全连接层一般用于分类，打破卷积特征的空间限制。

• 卷积神经网络的计算公式为：N=(W-F+2P)/S+1 N：输出大小 W：输入大小 F：卷积核大小 P：填充值的大小 S：步长大小