动手学习深度学习—task05

文章目录卷积神经网络基础特征图与感受野填充和步幅1×1卷积层卷积层与全连接层的对比池化层LeNetAlexNet创新VGG创新NiN创新GoogLeNet创新 卷积神经网络基础 特征图与感受野 二维卷积层输出的二维数组可以看作是输入在空间维度(宽和高)上某一级的表征,也叫特征图(feature map)。影响元素x的前向计算的所有可能输入区域(可能大于输入的实际尺寸)叫做x的感受野(receptive field) 填充和步幅 填充 填充(padding)是指在输入高和宽的两侧填充元素(通常是0元素) 如果原输入的高和宽是nhn_hnh​和nwn_wnw​,卷积核的高和宽是khk_hkh​和k