对于cnn的理解

对于神经网络就是给他一个网络各个层之见的传导函数,

之所以这里面用卷积来替代普通的放射函数,

就是因为卷积算的快,hadmard 乘机比矩阵乘法的速度快一个次方,可能都不止.

对于高清晰度的图片算矩阵乘法简直就是计算量爆炸,用hadmard来算速度可以接受,效果还好,因为

大脑眼睛学家指出图片之所以不同就是因为他跟他临近点的亮度,色彩这些有不同.所以用一个小的矩阵做hadmard就能体现这些运算了,不用

矩阵乘法这么复杂的东西来刻画.最后还是建立网络然后训练就行了.

 

所以说回来本质还是一个1.建立网络模型2.建立模型层之见的函数的刻画3.训练,输出

就是第二步是本质,他的函数刻画要根据问题的特色来简化,就像上面说的.函数的复杂度就体现了这个问题的复杂度.所以如果效果不好可以考虑把这个函数

继续变复杂来争强这个网络的表现力.