TensorFlow 卷積神經網絡--卷積層

以前咱們已經有一個卷積神經網絡識別手寫數字的代碼，執行下來正確率能夠達到96%以上。

如果再優化下結構，正確率還能夠進一步提高1~2個百分點。

卷積神經網絡在機器學習領域有着普遍的應用。如今咱們就來深刻了解下卷積神經網絡的細節。

 

卷積層，聽名字就知道，這是卷積神經網絡中的重要部分。

這個部分被稱爲過濾器(filter)或者內核(kernel)

Tensorflow的官方文檔中稱這個部分爲過濾器(filter)。

 

在一個卷積層總，過濾器所處理的節點矩陣的長和寬都是由人工指定的，這個節點矩陣的尺寸也被稱爲過濾器尺寸。

經常使用的尺寸有3*3或5*5。而過濾層處理的矩陣深度和當前處理的神經層網絡節點矩陣的深度一致，因此雖然節點矩陣是三維的，單過濾層的尺寸只須要指定兩個維度。

過濾層另外一個須要人工指定的設置是處理獲得的單位節點矩陣的深度，這個設置成爲過濾器的深度.

注意，尺寸說的是指一個過濾器輸入節點矩陣大小，而深度是輸出單位的節點矩陣深度。

 

卷積層過濾器(filter)結構示意圖。

 

過濾層向前傳播的過程就是就是經過左側小矩陣中的節點算出單位矩陣中節點的過程。

 

參考資料：

《Tensorflow+實戰Google深度學習框架》6章