摘要：
为什么使用卷积？（Why convolutions?） 和只用全连接层相比，卷积层的两个主要优势在于参数共享和稀疏连接： 假设有一张 32×32×3 维度的图片，假设用了 6 个大小为 5×5 的过滤器，输出维度为 28×28×6。32×32×3=3072， 28×28×6=4704。我们构建一个神 阅读全文
摘要：
卷积神经网络示例 （Convolutional neural network example） 假设，有一张大小为 32×32×3 的输入图片，这是一张 RGB 模式的图片，你想做手写体数字识别。 32×32×3 的 RGB 图片中含有某个数字，比如 7，你想识别它是从 0-9 这 10 个字中的哪 阅读全文
摘要：
池化层（Pooling layers） 除了卷积层，卷积网络也经常使用池化层来缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性。 假如输入是一个 4×4 矩阵，用到的池化类型是最大池化（ max pooling）。执行最大池化的树池是一个 2×2 矩阵。执行过程非常简单，把 4×4 的输入拆 阅读全文