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
