深度學習知識點整理（三）——CNN / CNN網絡舉例 / RNN / LSTM / 遷移學習

6-CNN-3 （理解卷積過程） 計算卷積後特徵圖尺寸（步長1 原圖大小32，核5，則(32-5)/步長+1=28 CNN層次序 卷積層->ReLu層->池化層（下采樣，壓縮數據和參數數量）->全連接層 邊界0填充 不丟棄原圖信息，保持特徵圖與原圖大小一致。核大小3 5 7 分別填充寬度1 2 3 計算卷積核參數數量 如核大小5，則5×5×3+1 （3通道，1個偏置） 池化層 7-CNN-case

>>阅读原文<<