機器學習-卷積神經網絡簡介(2)

代替大卷積 在這裏，我們解釋了級聯幾個小卷積的作用，在下面的圖中，我們有2個3x3卷積層。 如果從右側的第二層開始，則第二層上的一個神經元具有3x3的接收場，並且第一層上的每個神經元都會在輸入上創建5x5的接收場。 因此，用簡單的話來說，級聯可以用來代表較大的級聯。 新的成功模型的新趨勢是使用較小的卷積，例如，可以將7x7卷積替換爲具有相同深度的3個3x3卷積。 由於第一轉換層和輸入文件深度之間的

>>阅读原文<<