卷积神经网络学习笔记（二）基本概念

*解决问题的方式：1参数共享（图像处理中与物体位置无关）
2局部连接（降低参数数量）

输出size=输入size-卷积核size+1

滑动步长的概念

卷积多通道：多个卷积核，提取不同特征

激活函数：Relu激活

卷积：
P=边距padding
S=步长（stride）
输出尺寸=(n-p)/s+1
参数数目=输入通道数输出通道数卷积核长*宽

池化：
最大化池化&平均值池化
用于减小图像尺寸，减少计算量
解决平移鲁棒性

全连接层：
全连接层之后就不能池化，所以一般放在最后