卷积神经网络：和全链接对比，部分相连，共享参数（filter）
filter相当于参数
参数数量，卷集核乘以核的数量
全链接神经网络：参数数量是输入和输出神经元进行相连，相乘的数量。消耗的参数了太大。
卷积核：filter
参数数量和卷积核的数量
stride：
卷积核移动步长。移动多少步，输出就是多少维。
padding，输出尺寸就不会下降。为了让神经网络的分辨率不下降。那为什么呢？
d2=k
参数数量：FFKd1
有几个核就有学习多深……潜在的深度d1
卷积核有深度是要和之前的网络做内积。取内积是在单层卷积核做乘求和。
池化的方式：最大池化，平均池化
保持分辨率
卷积神经网络: 架构, 卷积/池化层(上) 卷积神经网络: 架构, 卷积/池化层(上) 卷积神经网络(CNNs/C...
卷积神经网络整理 各种卷积神经网络变形
卷积神经网络基础 LeNet和其他进阶卷积神经网络
第七章 卷积神经网络 卷积层（Convolution Layer） 卷积神经网络（Convolutional Ne...
卷积神经网络 卷积神经网络可能是离我们最近的神经网络，遍布在计算机视觉应用。通常卷积神经网络是由卷积层、池化层和全...
卷积神经网络 卷积神经网络（Convolutional Neural Network，CNN或ConvNet）...
卷积神经网络是含有卷积层（convolutional layer）的神经网络。本章中卷积神经网络均使用最常见的二维...
参考：CNN卷积神经网络原理讲解+图片识别应用（附源码）卷积神经网络 – CNN深入学习卷积神经网络（CNN）的原...
卷积神经网络（Convolutional Neural Networks，CNN）是一种前馈神经网络。卷积神经网络...
卷积神经网络（Convolutional Neural Networks，CNN）是一种前馈神经网络。卷积神经网络...
本文标题：卷积神经网络
本文链接：https://www.haomeiwen.com/subject/oqgxnhtx.html
网友评论