CNN学习笔记

卷积层：同一个卷积核需要由多个神经元来识别不同的模式（filter），而经过第一层卷积后，第二层输入的channel数就会变成第一维的filter数（channel膨胀）
汇聚层：原理就是将一个图片下采样（比如把x，y轴为偶数的像素去掉），图片不会有太大影响（当然对图片细节还是会有影响），因为图片是像素点，存在大量冗余信息，用pooling可有效减少图片大小，减少参数和计算复杂度，汇聚层没有参数，经过后channel不变。
经过卷积层和汇聚层，将图片维度缩小，通道数增加，增加数为filter的数量。
注意！用11的卷积层就可以用来控制特征的通道数，方法就是将filter数量改为你想要的通道数，11其实可以看成一个通道方向上的全连接层（每个filter将某一点的所有通道卷积起来得到一个值，即将通道压缩到1，你想要多少个通道就设置多少个filter）