卷積層其實是將輸入的按照filter的size與stride分割成許多local regions，然後分別作卷積運算，得到新每個點的畫素值。
假設輸入為227*227*3，filter有96個，size為11*11*3，stride為4，那麼卷積運算後生成的每張大小為(227-11)/4+1即55*55*3。其中每個畫素點都是由filter與local regions作卷積得到的，也就是完成了由輸入的local regions→輸出的畫素點的對映。
matrix multiplication實現卷積：
1.輸入的每個loacl regions通過所謂的im2col操作被提取為一列，所以一共有55*55=3025列，11*11*3=363行，x_col(363*3025)
2.每個filter的weights成為一行，所以有96行，11*11*3=363列,w_row(96*363)
3.卷積結果即np.dot(w_row,x_col)，size為96*3025,每行表示乙個filter卷積所得
4.最後將其reshape為55*55*96
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...
神經網路 卷積神經網路
1.卷積神經網路概覽 來自吳恩達課上一張，通過對應位置相乘求和，我們從左邊矩陣得到了右邊矩陣，邊緣是白色寬條，當畫素大一些時候，邊緣就會變細。觀察卷積核，左邊一列權重高，右邊一列權重低。輸入，左邊的部分明亮，右邊的部分灰暗。這個學到的邊緣是權重大的寬條 都是30 表示是由亮向暗過渡，下面這個圖左邊暗...
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習，聯想起之前所學，感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律，e mc 描述了恆星發光的奧秘，v h d哈勃定律描述了宇宙膨脹的奧秘，自然界的大部分現象和規律都可以用數學函式來描述，也就是可以求得乙個函式。神經網路 簡單又...