深度学习d5:卷积神经网络基础;leNet;卷积神经网络进阶

卷积神经网络基础 卷积神经网络:包括卷积层、池化层 二维卷积层: 最常用,用于处理图像数据,将输入和卷积核做互相关运算,并加上一个标量偏置来得到输出。 其模型参数=卷积核+标量偏置。 训练模型的时候,通常我们先对卷积核随机初始化,然后不断迭代卷积核和偏差,即可通过数据学习核数组。每次迭代中,将输出与真实值进行比较,然后计算梯度进行更新。 可用来进行图像边缘检测。 互相关运算和卷积运算: 两者十分相似,将核数组上下翻转、左右翻转,再与输入数组做互相关运算,这一过程就是卷积运算。两者都是学习出来的,其实可以互相替换的。 填充和步幅: 卷积层的输出形状由输入形状和卷积核窗口形状决定。 填充和步幅以对