深度學習之CNN反向傳播

互相關 卷積 反向傳播 卷積層 池化層   大多數人瞭解推導的都是全連接層的反向傳播公式，全連接層的每一層都可以看作是一個一維向量，其中的元素即代表權重，而CNN中的卷積操作以及池化操作的反向傳播，你又瞭解多少呢？雖然二者思想一致，卻又有着諸多不同之處，理解CNN的反向傳播之前，先了解下互相關以及卷積的概念。 互相關   給定一個輸入圖像I以及一個濾波器爲k1Xk2的(即卷積核)K，則互相關定義爲

>>阅读原文<<