CS231n李飞飞计算机视觉卷积神经网络详解上

「已注销」

于 2019-02-04 09:41:01 发布

阅读量683

点赞数

CC 4.0 BY-SA版权

分类专栏： CS231n

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/wangchy29/article/details/86759548

本文详细介绍了卷积神经网络的卷积层、填充pad和池化操作。卷积层通过滤波器与输入数据进行卷积得到激活映射，滤波器大小、stride和padding会影响输出图像尺寸。pad可以防止图像尺寸快速减小，保持表达能力。最大池化等池化操作用于减小表示并简化管理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

卷积神经网络详解上

卷积层： $W\times H\times D$ 分别表示数据的宽、高、深度

卷积：输入数据大小： $W1\times H1\times D1$ ，滤波器大小： $W2\times H2\times D2$ 。滤波器与输入数据在左上角对齐，从该位置依次从左向右，从上到下滑动滤波器，滑动步伐为stride，滤波器与其覆盖的数据的对应位置相乘然后加和，在加上偏置，得到该位置的激活反应，对整个图像的卷积得到一个激活映射。如果D1=D2，滤波器直接按上述卷积，一般D1=D2。如果 $D1\neq D2$ ，假设D1=3,D2=1,让滤波器分别在深度为1、2、3的层卷积。

假设输入数据 $32\times 32\times 3$ ，滤波器 $5\times 5\times 3$ ，滤波器在某个位置的卷积可看做下图：

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。