（1）對於多通道的影象採用多個卷積核，最終輸出的feature map是每個卷積核輸出的feature map所對應的座標處的值相加。
（2）卷積層引數的計算：
輸入影象32*32*3，有6個卷積核，尺寸為5*5*3，每個卷積核輸出對應乙個特徵平面，一共6個特徵平面。即輸出特徵平面的個數和卷積核的個數相對應。每個卷積核和影象進行卷積，假設步長stride=1，輸出featuremap大小為（32-5）/1+1=28*28。
該層的連線數計算：特徵平面28*28，一共6個則有28*28*6，卷積核為5*5，每個卷積核對應乙個偏置，則連線數（5*5+1）*28*28*6.
卷積核的權值數：5*5+1=26.
（3）全連線層：全連線層是乙個平鋪結構如（1*4096），其是由前面一層的卷積輸出再進行乙個卷積得到的，如前一層卷積輸出為3*3*5，現將其要變為1*4096，首先可以將其理解為輸出3*3*5和乙個3*3*5的filter進行卷積輸出，最終得到乙個1*1的值也就是全連線層的乙個輸出神經元，一共要4096個輸出那麼就要3*3*5*4096個卷積核。
深度學習筆記（一）
深度學習筆記 一 logistic分類 深度學習筆記 二 簡單神經網路，後向傳播演算法及實現 深度學習筆記 三 啟用函式和損失函式 深度學習筆記 優化方法總結 bgd,sgd,momentum,adagrad,rmsprop,adam 深度學習筆記 四 迴圈神經網路的概念，結構和 注釋 深度學習筆記...
深度學習筆記（一）
在mxnet中，ndarray是乙個類，也是儲存和交換資料的主要工具。ndarray和numpy的多維陣列非常類似，ndarray提供gpu計算和自動求梯度等更多功能。首先，從mxnet中匯入ndarray模組。使用shape屬性獲取ndarray例項的形狀，也可以通過size屬性得到ndarray...
深度學習筆記（一）什麼是深度學習
從簡單的經驗中獲取知識，不需要人類去設計 規範知識，因為層次化的簡單概念可以讓計算機去學習，從而形成複雜的概念，如果用一張圖來表示就是一層一層，所以叫深度學習。ibm深藍 1997年 知識基礎 knowledge base 用公式來表述現實世界，現在還沒有成功案例。機器學習 machine lear...