Convolution Layer![在這裏插入圖片描述]()
左側圖示：一張彩色的圖片，有三個部分組成（長度width寬度high深度depth），例如：32 * 32 * 3 表示一彩色圖片長度和寬度分別是32，32
右側圖示：在CNN中，filter 是一個特徵提取器，我們成爲卷積，主要用於滑動圖片提取特定位置的特徵
一張圖片大小32 * 32 * 3 的彩色圖，通過一個5 * 5 * 3 filter進行卷積。通過點積操作（圖片特徵 向量* filter 特徵向量 進行點積 ） ，最後提取我們的結果，即我們需要的特徵圖
我們使用一個6個大小爲5 * 5 的filter，然後與圖片32 * 32 的彩色圖片進行卷積（兩個向量的點乘），然後會獲取6個28*28 大小的特徵圖。
其中：這裏28 是如何計算的呢？ 實際是有公式的，例如：（W-F+2P)/S + 1 ,具體含義請關注後續內容
更多細節請關注(有任何疑問，與我聯繫。QQ: 1121025745)
人工智能-深度學習框架-Pytorch案例實戰視頻課程
https://edu.csdn.net/course/detail/25802
或者
https://edu.51cto.com/sd/4ee40
主要目錄
01 課程整體內容介紹
02 初步認識CNN和數學公式複習
03 CNN 卷積層概念
04 CNN 中的stride和zero-padding使用方法
05 CNN 特徵圖計算
06 CNN PoolLayers和FC&訓練過程演示
07 CNN 網絡發展歷史
08 圖形化方式介紹CNN圖像應用
09 圖形化方式介紹FC和CNN區別以及CNN概念
10 keras實現CNN網絡
11 CNN在語音和文本應用介紹
12 項目實戰-圖像分類實戰大概介紹
14 項目實戰-導入圖像庫以及數據探索
15 項目實戰-數據預處理
16 項目實戰-pytorch數據加載和可視化
17 項目實戰-RGB三通道數據可視化
18 項目實戰-fine-tuning網絡加載和網絡調整
19 項目實戰-模型訓練功能
20 項目實戰-模型驗證功能
21 項目實戰-分類混淆矩陣效果評估
22 項目實戰-數據預測可視化&GPU效果
23 項目實戰-CPU環境訓練過程&tensorboardx可視化
24 項目實戰-GPU環境訓練過程&在線服務預測