卷积神经网络的问题

用途：基于图像的识别，分类等操作

输入图像-〉（1）卷积-〉激活函数-〉pooling-〉（1）

卷积层：提取特征，得到特征图

输入的shape：（ 7* 7 *3）RGB : 3通道 所以为3层 第一层R ；第二层G；

如果偏移量(Stride)为1，产生的结果的个数偏大，计算内积的计算量大；如果偏移量过大，有些特征就会被忽略；

引入Pad：图中偏移量为2，使得1、2重复计算，边缘的数值只计算了一次，故向外四周填充0（填充的0是对提取特征是没有意思的）；Pad为n，就向四周填充n圈0；

filter是 w0或。。。。wj：用来和截取的输入（多大的区域进行特征提取）来内积的，提取特征，以后会反复优化这个w,和线性回归一样。如 (3 *3 *3)（RGB为3）

问题是：如何求出最终的结果的shape；

公式： h(out)=(h(原来的)+2*Pad-filter)/Stride+1=(7+2 *1-3)/1+1=6+1=7；

w(out)=(w(原来的)+2*Pad-filter)/Stride+1=(7+2 *1-3)/1+1=6+1=7；

故最终结果的shape： 7 *7 *3(filter的个数，这里filter有3个)

卷积参数共享

池化层（pooling）：压缩特征图（max、mean方法）