目錄
最近有一個想法,把基礎的東西自己總結一遍,後期有了新的理解不斷完善
卷積過程:
圖(1)
gif理解了,卷積的過程也就理解了;
1、什麼是卷積
圖像中不同數據窗口的數據和卷積核作內積的操作叫做卷積,本質是提取圖像不同頻段的特徵。和圖像處理中的高斯模糊核原理一樣。
2、什麼是卷積核
圖(2)
也稱爲濾波器filter,帶着一組固定權重的神經元,通常是3x3矩陣,一個卷積核的濾波可以用來提取特定的特徵(例如可以提取物體輪廓、顏色深淺等),通過卷積層從原始數據中提取出新的特徵的過程又成爲feature map(特徵映射),上圖(1)卷積核大小是3X3.,說明下現在卷積核和卷積層之間的概念很模糊了,卷積核和卷積層概念已經混淆。但是還是得說下最準確的說法
3、什麼是卷積層
多個濾波器疊加便成了卷積層。上圖(1)卷積層大小是3X3x3(CxHxW). C:表示channel,通道的意思
4、一個卷基層有多少個參數:
上圖(1)卷積層參數是是3X3x3x2(C1xHxWxC2)輸入特徵通道 x 卷積核H x 卷積核W x 輸出特徵的通道
5、通道(chennel)怎麼理解:
通道可以理解爲視角、角度。每個chennel表示不同的含義
6、幾個參數:
深度depth:卷積層個數,上圖(1)2個,決定輸出的通道數上圖(1)輸出通道2個。
步長stride:決定滑動多少步可以到邊緣,上圖(1)步長爲2。
填充值zero-padding:在外圍邊緣補充若干圈0,方便從初始位置以步長爲單位可以剛好滑倒末尾位置,通俗地講就是爲了總長能被步長整除。 上圖(1)zero-padding 是1。
7、如何理解權值共享,減少了神經網絡需要訓練的參數的個數?
https://blog.csdn.net/lien0906/article/details/51249947這個解釋的挺好
來自: