第一周:卷积神经网络
1.padding:步长为1时,为了不让卷积后的图像变小,以及削弱边缘信息丢失的缺点,可以在原始图像边缘填充像素,再进行卷积。比如说,过滤器f是3*3,原始图像n是6*6,那么得到的输出就是n-f+1=4*4,padding=1时,即在原始图像外周填充一层像素,则输出为n+2p-f+1=6*6,和原始输入一样。
步长为s时
2.关于卷积层的总结
3.池化层(pooling),池化层没有需要学习的参数,只是一个静态属性。池化操作一般分为最大池化(max pooling)和平均池化(average pooling),分别是取池化区域的最大值和平均值。
4.softmax输出多个类别的预测值,且相加得一,用于多分类任务;
logistics输出一个预测值,用于二分类任务。
一个基本的神经网络如下,其中FC3,FC4是全连接层
5.和只用全连接层相比,卷积层有参数共享和稀疏链接