關於卷積網絡的幾個誤解 及 參數計算

1、之前誤解一：

多通道的卷積和我之前理解的不一樣。只是對應通道相乘，最後再加？那我之前的殘差網絡具體卷積核的大小及深度是多少？？？

2、之前誤解二：

不論輸入圖像大小參數個數是不會發生改變的！！！（但計算量會改變？？？）

3、卷積網絡優化的是卷積核的參數？

卷積不僅限於對原始輸入的卷積。藍色方塊是在原始輸入上進行卷積操作，使用了6個filter得到了6個提取特徵圖。綠色方塊還能對藍色方塊進行卷積操作，使用了10個filter得到了10個特徵圖。每一個filter的深度必須與上一層輸入的深度相等。

 

4、解釋了計算使的內存消耗+參數量：

1. 參數看來就是卷積核的各個參數！即權重？
2. 那麼各個神經元節點的值在網絡中又怎麼表示呢？怎麼調用呢？