目录
卷积网络的优点
一、计算机视觉
图片分类、目标检测、风格迁移……
二、边缘检测
* < ---- 这个*在数学中表示卷积从convolution
三、padding、stride
这里计算的都是图像的大小，而非图像的通道
padding：
- Valid：不填充像素
- Same：填充像素，卷积前后大小不变
stride：
tips： 在数学中，卷积的操作一般还需要将卷积核进行上下左右反转在进行运算，但是在深度学习中一般跳过这个步骤
四、三维卷积（加入其他通道）
五、卷积网络
卷积层
池化层
减小模型大小，提升运算速度，提高所取特征的鲁棒性（鲁棒性是指算法不容易出现bug的特性/抗干扰性）
最大化的作用就是如果在过滤器中提取到某个特征，那么就保留其最大值（在实验的效果中表现挺好）
里面的参数静态参数，直接设置就行
六、卷积神经网络
尽量不要自己随便设计参数，尝试去别人的文献中去看看用了哪些参数，选一个效果比较好的学习
神经网络中一种比较常见的模式：conv-pool-conv-pool-fc-fc-fc-softmax
作业
作业是实战猫狗分类