對於卷積層得新的理解
阿新 • • 發佈：2019-03-21
... 個數 繼續 餅狀圖 參數 ann 卷積 怎麽 可能
卷積層得參數：
in * kernelw * kernel *c:
可以理解為全連接，我們可以把一個餅狀圖當做一個節點，
如果把一個餅，也就是一個kernel*kernel(例：2*2)當做一個節點，那麽這個參數層也就是 in * 1 * out
那麽這個所謂的in * 1 *out 不就是全連接裏面的w嗎！w的參數剛好就是前面的節點乘後面的節點的個數!
繼續理解，那麽每個
總共20個channel
img1(w*h*1(此處的1可以表示為channel為1)),img2(w*h*1)，img3(w*h*1)...img20
這是輸入層
參數就是
kernel(k*k)
kernel(k*k)
.
.
.
總共20層
此時如果輸出是30個channel
那麽這個參數量就是20*k*k*30,所以，其實就是全連接，只不過每個點變成了每個feature,每個w從一個值變成了一個kernel*kernel
這樣做的目的和好處：以前一個featutemap可能是10*10的點，那麽對應的可能就是100個參數，現在一個2*2就能行，大大節省了參數，但是說實話，表達效果肯定不如全連接，只是參數變少了很多
然後這麽做的可行性，
其實滑動就是對比：怎麽理解
還有就是一個channel就是一個特征，可以類似全連接，即上一層所有特征都只生產新的一個特征，這就是新的一個通道，怎麽加工？
對於卷積層得新的理解