參考
cnn簡介（原圖到特徵圖的對映）
1. 卷積有padding和stride，左上頂頭開始，直到遍歷完輸入影象的所有畫素（即使靠右靠下還有剩餘padding也不再計算）。
奇數影象stride=(2,2)，no padding卷積：先減1，再除以2。
影象大小m*m,核k*k,stride=s,輸出大小[m/s]-(k-1)/s。表上取整。
2. padding=same：0填充，padding=valid：不填充。參考，參考2
3. 奇數影象(2,2)池化：先加1，再除以2
4. dropout=p：以概率p捨棄神經元，即其中p不工作。防止過擬合
5. conv2dtranspose：反卷積，**。
stride-1是在輸入影象兩畫素間插入的0畫素數。
no strides的反卷積=no strides的卷積，尺寸的計算公式同為out=in+2*padding-kernal+1。
有stride時： 無padding的反卷積，核從只包含輸入影象左上角乙個畫素的視窗開始滑動，到只包含輸入影象右下角乙個畫素的視窗停止；
無padding的計算公式：out=kernel-1+(stride-1)(in-1)+in=stride*in+kernel-stride
有padding的反卷積，只需用上所有padding，不一定從只含乙個畫素的視窗開始滑動。
6. cropping2d：(a,b), (c,d)表示，行從上數裁a行，從下數裁b行；列從左數裁c行，從右數裁d行。
7. predict函式中，verbose=false，表示訓練時不顯示資料。參考
8. kernal=k, stride=s, 卷積前影象邊長為w, 卷積後邊長為(w-k)/s+1。若有padding, 則輸出影象邊長(w-k+2padding)/s+1。反推可得到神經元在前一層的感受野大小。
若第i層感受野中心為p_i，由這個感受野得到第i+1層的乙個神經元，位置為p_(i+1)，則有p_i=s_i*p_(i+1)+(k_i-1)/2-padding。由此知道感受野中心位置和大小，則感受野可在圖中唯一確定。
何愷明對此公式進行了簡化，令padding=[k_i/2]下取整。由於座標只有整數，所以最終近似為p_i=s_i*p_(i+1)，級聯得到p_0=s*p_i，s是從0到i-1的s連乘。
這樣，已知原始影象某一矩形，則可根據矩形的對角兩點找到特徵圖中對應矩形的對角兩點，做到圖到特徵的對映。
Keras實現卷積神經網路
1 coding utf 8 2 3created on sun jan 20 11 25 29 201945 author zhen 6 78 import numpy as np 9from keras.datasets import mnist 10from keras.models impo...
Keras 2 3 keras實現卷積神經網路
cnn convolutional neural networks 卷積神經網路在 keras 上的 實現。用到的資料集還是mnist。不同的是這次用到的層比較多，匯入的模組也相應增加了一些。下面直接進入 部分 import numpy as np np.random.seed 1337 for r...
keras實現分組卷積
分組卷積在pytorch中比較容易實現，只需要在卷積的時候設定group引數即可 比如設定分組數為2 conv group nn.conv2d c in,c out,kernel size 3,stride 3,padding 1,groups 2 但是，tensorflow中目前還沒有分組卷積，只...