卷積神經網絡CNN學習筆記

主要操作 卷積、非線性變換（ReLU）、池化或子採樣、分類（完全連接層） 卷積 卷積的主要目的是從輸入圖像中提取特徵。 卷積的解釋：將橙色矩陣在原始圖像（綠色）上以每次1個像素的速率（也稱爲「步幅」）移動，對於每個位置，計算兩個矩陣相對元素的乘積並相加，輸出一個整數並作爲最終輸出矩陣（粉色）的一個元素。 在卷積神經網路的術語中，這個3 × 3矩陣被稱爲「過濾器」或「核」或「特徵探測器」，通過在圖像

>>阅读原文<<