小白CNN入门指导
- 这几天一直在小白入门学习卷积层以准备组会，以下是我自学理解内容，若有错误的地方请各位评论指出
数学部分 一 卷积层
\输入 32\*32\*3 (input neurons) \\
\\\downarrow \\
\过滤器5\*5\*3（fitter）/神经元/核 \\downarrow 会覆盖784个不同的位置 \\
\\\downarrow \\
\ \\left. \\begin{matrix} 卷积运算 \\\\ 计算点积（5\*5\*3的过滤器），相加（共75个）得到值 \\end{matrix} \\right\\}\\Longrightarrow28\*28\*1（first\\ hidden\\ layer） \\longrightarrow 28\*28\*2(激活(计算高数值)映射（acttion\\ map）/特征映射(feature\\ map)) \\Longrightarrow 卷积层的输出 \\
补充：
对"激活的深度越大输入32x32x (input neuron5)对输入内容的了解越的"这句话的理解？
- 局部连接："卷积"代替全传播
- 权重共享：卷积核对于同一层神经元是相同的，所以，一个卷积核只捕捉一种特定的局部特征，提取多个特征需要多个卷积核
高层次角度
