Chinaunix首页 | 论坛 | 博客
  • 博客访问: 6737662
  • 博文数量: 508
  • 博客积分: 12019
  • 博客等级: 上将
  • 技术积分: 6821
  • 用 户 组: 普通用户
  • 注册时间: 2005-08-01 16:46
文章分类

全部博文(508)

文章存档

2021年(6)

2020年(59)

2019年(4)

2018年(10)

2017年(5)

2016年(2)

2015年(4)

2014年(4)

2013年(16)

2012年(47)

2011年(65)

2010年(46)

2009年(34)

2008年(52)

2007年(52)

2006年(80)

2005年(22)

分类: 大数据

2021-08-24 13:55:58


所有神经网络公式本质是映射:Y=WX+B

卷积:分析数学概念


1、cnn不是全连接
    和普通神经网络不同的是,两层之间不是全连接。这个大大降低计算量。用一个局部视窗(可比如人的眼睛)

2、节点
    就是神经元
通常一个节点可能是一个数值,在cnn中一般是一个矩阵

3、卷积核
 一个卷积核 可比喻一个人的眼睛.表示为 n*m。参数需要训练获得,
一个过滤器 filter 有多个卷积核(也就是通道数量).表示为n*m*channle 某一层滤波器的通道数 = 上一层特征图的通道数。某一层输出特征图的通道数 = 当前层滤波器的个数。
一个隐藏层中 可有多个filter


打个比喻:
卷积核:  一个眼睛  n*m
通道:   一个人有几个眼睛
filter:   一个人
深度:   共有几个人

综上,在tensorflow  使用中,cnn结构一般用四维矩阵表示 n*m*channle*depth。
n*m 是窗口大小 比如 3*3 表示卷积核;
channle 通道,比如3通道,一般和输入层通道相同,在此通道可比喻人的2个眼睛,还有三只眼(二郎神 哈);
depth 深度,实际就是filter的数量,可比喻几个人。5*5*3*6  表示为:眼睛大小5*5,每个人三个眼睛(通道),总共六个人



4、卷积层
    通过卷积核 输出
   

卷积的计算公式:
输入图片的尺寸:一般用 n*n 表示输入的image大小。
卷积核的大小:一般用 f*f 表示卷积核的大小。
填充(Padding):一般用 p 来表示填充大小。
步长(Stride):一般用 s 来表示步长大小。
输出图片(卷积层输出的层)的尺寸:一般用 O来表示。
o= (n+2p-f)/s +1 若是小数,向下取整数。

动画:


参考文章
https://blog.csdn.net/qingqingpiaoguo/article/details/53053768


阅读(115) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~