Lab学习笔记02：神经网络的几个基本概念

资料来源参考：

https://blog.csdn.net/silence1214/article/details/11809947

https://blog.csdn.net/errors_in_life/article/details/65950699

一、卷积

该图是对5*5矩阵A进行3*3矩阵B的卷积，生成卷积之后的矩阵大小是(5-3+1)*(5-3+1)。矩阵B从矩阵A由左至右、由上至下一格一格扫过去，计算两个矩阵对于元素的乘积之和。

二、池化

比如上方左侧矩阵A是20*20的矩阵要进行大小为10*10的池化，那么左侧图中的红色就是10*10的大小，对应到右侧的矩阵，右侧每个元素的值，是左侧红色矩阵每个元素的值得和再除以红色矩阵的元素个数，即平均值形式的池化。

红色矩阵维度是黄色矩阵的整数倍，所以池化的最终的结论是要把原来的维度减少到1/n.这是池化最根本的原理(也有特殊情况)。

三、卷积核

以上面示例图为例，卷积核就是粉红色矩阵。如果要提取的特征非常多、非常广泛，所以需要用更多的矩阵来扫，那么粉红色矩阵的个数就是卷积核个数。

四、步长(tride)

卷积核移动的步长小于卷积核的边长（一般为正方行）时，变会出现卷积核与原始输入矩阵作用范围在区域上的重叠（overlap），卷积核移动的步长与卷积核的边长相一致时，不会出现重叠现象。

通俗点来讲，粉红色矩阵每次移动的格数，就是步长。