×6
×36×6×3
的樣本，使用 3×3
×33×3×3
的卷積核（filter）進行卷積操作。此時輸入的channels為 3
3 ，而卷積核中的in_channels與 需要進行卷積操作的資料的channels一致（這裡就是樣本，為3）。×4
4×4 的結果。×4
×14×4×1
，out_channels為 11 。
×4×2
4×4×2
的結果。
卷積操作完成後輸出的out_channels，取決於卷積核的數量。此時的out_channels也會作為下一次卷積時的卷積核的in_channels；
卷積核中的in_channels，剛剛2中已經說了，就是上一次卷積的out_channels，如果是第一次做卷積，就是1中樣本的channels。
卷積神經網路的理解
cnn中減少引數的2兩個規則 1 區域性感知。生物學中，視覺皮層的神經元是區域性感知資訊的，只響應某些特定區域的刺激 影象的空間聯絡中，區域性的畫素聯絡較為緊密，距離較遠的畫素相關性較弱。這個對應於演算法中卷積核的大小，mnist手寫識別在28 28的畫素中取patch為5 5。上圖中 左邊是全連線...
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習，聯想起之前所學，感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律，e mc 描述了恆星發光的奧秘，v h d哈勃定律描述了宇宙膨脹的奧秘，自然界的大部分現象和規律都可以用數學函式來描述，也就是可以求得乙個函式。神經網路 簡單又...
通俗理解卷積神經網路
2012年我在北京組織過8期machine learning讀書會，那時 機器學習 非常火，很多人都對其抱有巨大的熱情。當我2013年再次來到北京時，有乙個詞似乎比 機器學習 更火，那就是 深度學習 有何問題，歡迎不吝指正。神經網路由大量的神經元相互連線而成。每個神經元接受線性組合的輸入後，最開始只...