2019/6/3CS231n课程笔记（卷积神经网络）

卷积

1、卷积神经网络vs深度神经网络

训练卷积层，因为卷积层更能保持输入的空间结构。对于这一点，我的理解是：卷积神经网络处理图片的时候是将整幅图都作为输入，不会破坏图的这种结构，而用普通的深层神经网络，就是在利用每个像素的信息单独的进行处理，破坏了图像像素之间的信息。

深度神经网络

卷积神经网络

2、对于常见大小的一些卷积核，如何选择padding才能保证卷积的结果保持原图像的大小不变呢？

3*3的卷积核，padding=1；5*5的卷积核，padding=2；7*7的卷积核，padding=3

3、图像卷积到底是怎么进行计算相加的？

padding、stride、filter、input分别为p、s、f、n

padding是在原图片外围加若干圈像素值，stride是卷积核在图像上移动的步长，filter是卷积核，filter和input上对应位置做点乘，得到的若干个值相加映射到output上