1. 卷积层涉及参数及其含义

概述：

1. 滑动窗口步长：

2. 卷积核尺寸：通常33 55等等

3. 边缘填充：pad==1 zero_padding,以0为边缘的填充

4. 卷积核个数

5. 卷积结果计算公式

如果输入数据是 32 323 的图像,用 10个 553 的filter来进行卷积操作,指定步长为1,边界填充为2
最终输入的规模为 (32-5+22)/1 + 1 = 32,
所以输出规模为 323210, 经过卷积操作后也可以保持特征图长度、宽度不变。

6. 卷积参数共享

是指：同一轮卷积操作，卷积核内参数不变

2. 池化层涉及参数及其含义

作用：数据压缩或者下采样
起到了 筛选 压缩 过滤的作用

1. 最大池化 MAX POOLING

2. 神经网络层数怎么计算

如下网络总共7层，只有含有矩阵计算的才能算作一层，因此这里只有卷积层和全连接层算， 激活函数和池化层不算在内

3. 特征图变化

4. 经典网络架构

AlexNet 12年 8层

VGG 14年 16层网络

5. 经典网络架构