今日休假，把卷积神经网络梳理下。先从一些基本概念入手，什么是卷积？为什么叫这么个名字？
搜索了一遍，网上有很多人已经表述的非常好了，这里用自己理解的语言重述下。
既然是卷积，肯定是一种积，积我们知道是两个数的乘的结果，那么卷积也是一种乘，所以需要两个相乘的单元。
先考虑在一维变量上：
image
函数 f 与函数 g 不停在搏斗，同时把搏斗的结果进行求和，而且这个过程是从生到死（负无穷-正无穷）
下面是连续函数的积分表达形式，效果是一样的
image
上面的两个式子可以看到有共同的地方就是：
image
这就有意思了，也就是解释卷积的“卷”的关键所在。
image
x+y=a 是一条直线，a 的取值从负无穷到正无穷，这个过程就是把 xy 坐标系从西南角一直扫描到东北角，就像我们卷手绢一样，还是比较形象的。
image
有了上面的认识，我们进一步看看二维的。
如果在在二维空间，有函数 f(x, y) 和 g(x, y)，他们两个做乘积，也就是：
image
这个式子看上去有点小复杂，其实就是表示从负无穷到正无穷的全部 s 和 t 值，把 g 在 (x-s, y-t) 上的值乘以 f 在 (s, t) 上的值之后再“加和”到一起，得到 c 在 (x, y) 上的值。说白了卷积就是一种“加权求和”：以 f 为权，以 (x, y) 为中心，把 g 距离中心 (-s, -t) 位置上的值乘上 f 在 (s, t) 的值，最后加到一起。
如果是离散的，把积分修改为求和即可：
image
式子最右边就是表示跨度德尔塔为1。
尤其需要注意的是 f 与 g 里面的 s 与 t 的正负方向。
举个例子：
假如现在有一个10*10的图片，该图片是灰度处理过的，也就是黑白图片，不是 RGB 三个通道的。
在这1010的格子里有对应的值，范围之外全是0，我们令整个图片叫 G。另外还有一个矩阵（一般应该是特征矩阵，用来提取大图的特征），我们叫他F,他的值应该是预先给定好的，这里我们也是假设一组数据填充进来。
image
接下来，我们要做的就是，把 F 进行上下左右反转，形成 F‘，然后与 G 从00点开始对齐，进行小格子乘积操作，再求和。
比如在3**7这个点进行，求新得到的该点数值。
image
image
上述操作其实就是对数字图像进行离散卷积操作，又叫滤波。F 称作卷积核或滤波器。不同的 F 有不同的效果。
比如：
image
经过不同的卷积核，可能得到的图片：
image
image
进一步
有了卷积，我们可能还要做一些辅助的事，比如步长，补0等。
比如有一个5乘5的矩阵，都是1，现在有一个2**2卷积核,值是[-1,0，0，-1]。
image
现在需要做卷积，每次移动2格，也就是步长是2，开始计算各个小区块，如下图。
image
最终结果是:
-2,-2,-1,
-2,-2,-1,
-1,-1,-1
在移动步长的时候，不足的地方需要补0操作,如果不补0，就 dropped，这都是 padding 的策略
多核卷积
一个 G 函数，可以使用多个 F 函数做卷积核，得到不同的卷积结果，也就是某张图片使用多个卷积核，得到各个不同地方的特征。
全卷积
全卷积也叫反卷积，他的步长是1，是把原始图片的每个像素点用卷积操作展开。比如下图，
image
如果原始图片的大小是 N1乘N1，核的大小是 N2乘N2，那么生成的图片大小是：（N1+N2-1）（N1+N2-1）
池化
池化的操作就是降低维度，我们再对图片做操作的时候，由于维度太多，需要降低维度，同时要保持特征部分。池化的操作也是需要一个矩阵，也需要步长，原始数据经过池化操作，矩阵大小明显变小，里面的数值的确定有：取池化范围的最大值，取池化区域均值，下图是一个最大池化的例子
image
在 TensorFlow 中学习卷积
在 TensorFlow 里面已经包装了这些函数，我们不在需要逐个计算，tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None) 函数实现了卷积操作。来看下他的具体参数含义：
给定一个input的张量[batch, in_height, in_width, in_channels]和一个过滤器 / 内核张量 [filter_height, filter_width, in_channels, out_channels]后，执行以下操作：
- 展平filter为一个形状为[filter_height * filter_width * in_channels, output_channels]的二维矩阵。
- 从input中按照filter大小提取图片子集形成一个大小为[batch, out_height, out_width, filter_height * filter_width * in_channels]的虚拟张量。
- 循环每个图片子集，右乘filter矩阵。
举个例子：
有一个输入[1,3,3,1],表示一个图像，33大小，1个通道；
filter 是[2,2,1,1]表示过滤器是22大小，输入输出通道都是1；
步长是1，padding是VALID；
这种情况下，输出是1x2x2x1，其中2=（3-2）/1+1，即(图片大小-filter大小)/步长+1。
input 和 filter 都是4维度
import tensorflow as tf
input = tf.constant([[
[[1],
[2],
[ 3]],
[[4],
[5],
[6 ]],
[[ 7],
[8],
[9]]]],dtype=tf.float32)
filter = tf.constant([[[[1]],
[[2]]],
[[[ 3]],
[[4]]]],dtype=tf.float32)
op = tf.nn.conv2d(input,filter,strides = [1,1,1,1],padding ='VALID')
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
result = sess.run(op)
print(result)
输出结果是：
[[[[37.]
[47.]]
[[67.]
[77.]]]]
如果 padding（补0操作）是 SAME，也就是和输入一样大小，那么
op = tf.nn.conv2d（input，filter，strides = [1,1,1,1]，padding ='SAME'）
得到的结果1x3x3x1。
[[[[37.]
[47.]
[21.]]
[[67.]
[77.]
[33.]]
[[23.]
[26.]
[ 9.]]]]
image
对于多通道来说，输入是[1x3x3x2]是3x3图像有2个通道，过滤器是[2x2x2x1]是2x2大小2个输入1个输出，步长是1，padding=VALID，输出是[1x2x2x1],如图：
image
网友评论