卷积神经网络

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