【深度学习】4. 卷积神经网络【学习记录】

1 卷积神经网络

1.1. 边缘检测

1.2. Padding

1.3. 卷积步长

1.4. 三维卷积

1.5. 单层卷积网络

1. 构建卷积神经网络的卷积层
   例如：用两个过滤器处理一个三维图像，输出两个不同的4*4矩阵。
   

1.6. 池化层

1.7. 卷积神经网络示例—引进全连接层

1.8. 为什么使用卷积

1. 和只用全连接层相比，卷积层的两个主要优势：参数共享、稀疏连接
2. 卷积网络映射参数少的原因

1. 参数共享
   例如：每个特征检测器及输出都可以在输入图片的不同区域中使用同样的参数，以便提取垂直边缘或其它特征。
2. 稀疏连接
   某个单元只与部分像素点有关系，其它像素值不会对输出产生任何影响