《tensorflow初級教程》
在tensorflow中該api的功能是進行的是卷積操作，那是如何執行的呢？
卷積操作的目的是提取影象的特徵。都提取什麼特種呢？根據不同的卷積核、不同的計算方式，會得到不同的特徵提取圖。
圖（1）
左邊是相同的一整圖，通過三次卷積操作，得到了三張特徵圖，分別是銳化、浮雕、輪廓。
圖（2）卷積核： 上圖的黃色矩陣，這個是卷積核，核的大小可以自定義，2x2、 3x3、5x5都可以的，卷積核裡面的權值的不同，提取的特徵圖也不同，如圖（1）所示不同的核得到的不同的特徵圖。
計算方式：上圖灰色的箭頭，代表原圖矩陣與卷積核矩陣他們兩個的計算方式。下面會進行討論。
特徵圖：上圖粉色部分，卷積操作最後獲得的結果。
圖（3）
通過圖3可以看出，是卷積核不停的在原圖上進行滑動，每次滑動移動1格，然後再利用原圖與卷積核上的數值進行計算得到縮圖矩陣的資料。
卷積操作
講解圖4
這種卷積操作叫same padding，卷積操作後原圖與特徵圖大小相同。每次移動乙個格仔
圖5
這種卷積操作叫value padding，卷積操作後原圖比特徵圖要大，每次移動的步長為2
圖6
空洞卷積（atrous convolutions）又名擴張卷積（dilated convolutions），向卷積層引入了乙個稱為 「擴張率(dilation rate)」的新引數，該引數定義了卷積核處理資料時各值的間距。
卷積網路的基礎知識與相關計算
1.卷積網路與全連線的不同之處在於它的區域性連線和權值共享特性,使其保持輸入輸出資料的結構化。如果是全連線輸出資料會被展平成一維陣列，喪失資料在結構上的對應關係。2.感受野的定義 對於某層輸出特徵圖上的某個點，在卷積神經網路的原始輸入資料上能影響到這個點取值的區域。3.輸出尺寸等於 輸入尺寸 2 填...
卷積神經網路 基礎知識（1）
卷積神經網路 convolutional，簡稱cnn 是一類特殊的人工神經網路，區別於神經網路其他模型 如，遞迴神經網路 boltzmann機等 其最主要的特點是卷積運算操作 convolution operator 因此，在諸多領 域應用特別是影象相關任務上表現優異，諸如，影象分類 image c...
卷積層 池化層的理解 基礎知識
關於卷積層我們先來看什麼叫卷積操作 下圖較大網格表示一幅，有顏色填充的網格表示乙個卷積核，卷積核的大小為3 3。假設我們做步長為1的卷積操作，表示卷積核每次向右移動乙個畫素 當移動到邊界時回到最左端並向下移動乙個單位 卷積核每個單元內有權重，下圖的卷積核內有9個權重。在卷積核移動的過程中將上的畫素和...