神经网络计算过程
1、通过下述模型计算出各个神经元的输入与输出
其中 X1 =1,X2 = -1,要求计算Z_1, Z_2, Z_3,并写出计算过程。
Z-1=1*1+-1*2=-1
Z-2=-1*1+-1*1=-2
Z-3=1*a1+1*a2=a1+a2
2、卷积神经网络计算
(1)要求写出输出图像红框中数值-3的计算过程;
2*1+1*-1+2*-1+2*-1=-3
(2)说明pading,Filter的作用;
Padding:1)为了不丢弃原图信息
2)为了保持feature map大小与原图一致
3)为了让更深层的layer的input依旧保持足够大的信息量
4)为了实现上述目的,且不做多余的事情,padding出来的pixel的值均为0,不存在噪音问题。
Filter的作用:让神经网络自己找到更加复杂的边缘检测方式
(3)用公式说明输出图像的大小如何计算得出。(步长=2)
F=wx+b
维度=(图像大小-卷积核大小)/步长+1
(7*7*3-3*3*3*2)/2+1