深度学习基础(四)—— 神经网络各层的意义

1 卷积层 稀疏交互:减少时间复杂度,提高运算时间。 参数共享: 降低模型参数的存储需求,提高统计效率。 参数共享的特殊形式使得神经网络层具有对平移等变(equivariance)的性质 1.1 卷积神经网络的感受野 1.1.1 感受野的概念 感受野就是视觉感受区域的大小。在卷积神经网络中,感受野的定义是 卷积神经网络每一层输出的特征图(feature map)上的像素点在原始图像上映射的区域大小 1.1.2 感受野的计算 第一层卷积层的输出特征图像素的感受野的大小等于滤波器的大小 计算感受野大小时,忽略了图像边缘的影响,不考虑padding的大小 strides的概念 stride(i\u