目录

1：深度学习卷积的重要概念：

2：CNN核心思想——局部感知：

CNN核心思想——参数共享：

3：卷积层的功能：

4：不同深度的卷积层提取的特征：

5：卷积效果——1层

5.1：卷积效果——2层

5.2：卷积效果——3层

5.3：卷积效果——4层

5.4：卷积效果——5层

6：池化层的功能：

7：最大池化（1）

7.1：最大池化（2）

8：全连接的功能

9：卷积层和全连接层的连接处理：

10：卷积神经网络全景

11：ILSVRC：

12：ImageNet

13:ILSVRC历年成绩：

14：AlexNet：

15：AlexNet特点：

16：VGGNet：

17：VGG的六种配置：

思考题：

---

1：深度学习卷积的重要概念：

CNN ExplainerAn interactive visualization system designed to help non-experts learn about Convolutional Neural Networks (CNNs).https://poloclub.github.io/cnn-explainer/

2：CNN核心思想——局部感知：

CNN核心思想——参数共享：

3：卷积层的功能：

32x32x3

5x5x3x6

卷积核大小：28x28x6

4：不同深度的卷积层提取的特征：

5：卷积效果——1层

5.1：卷积效果——2层

5.2：卷积效果——3层

5.3：卷积效果——4层

5.4：卷积效果——5层

6：池化层的功能：

7：最大池化（1）

7.1：最大池化（2）

8：全连接的功能

、

9：卷积层和全连接层的连接处理：

像素的链接关系，

输入向量，到全连接层，输出Softmax

10：卷积神经网络全景

11：ILSVRC：

12：ImageNet

13:ILSVRC历年成绩：

14：AlexNet：

15：AlexNet特点：

16：VGGNet：

17：VGG的六种配置：

思考题：

上一章链接：

华为ICT——第四章深度学习和积卷神经-CSDN博客