CNN学习笔记

全连接神经网络原理

在学习CNN卷积神经网络之前先学习全连接神经网络原理，以便更好的理解CNN。

典型的 CNN 由3个部分构成

1. 卷积层（提取图像特征）
2. 池化层 （数据降维、防止过拟合）
3. 全连接层（输出结果）

边缘检测对应的固定卷积核

这些常用的特定功能的卷积核是计算机视觉领域的一些先驱们的发现设计出来的这样一些卷积核，CNN 最终就是要抽象出多个这样的卷积核

反向传播

偏导 ：当一个函数有两个或两个以上的各自独立的自变量时，如 u = f(x, y, z)，x, y, z 各自的变化都会引起 u 的变化。∂u/∂x：表示由于 x 的单独变化所引起的 u 变化率(rate of change)；