卷积神经网络之卷积计算过程个人理解

1.卷积计算在神经网络中的位置

下面我们以一个简单的例子来说明一下。
上面的图是自己画的一个卷积神经网络的简要过程图。卷积所在的位置就是从Input到Feature的过程。

为什么叫做卷积神经网络呢？
因为每一个卷积的计算都类似一个神经元，收集前面的结果，然后通过一个激活函数输出一个结果。

h_wb(x)=X₀W₀ + X₁W₁ + X₂W₂ + 1

该计算过程就是第一个图中从Input到Feature的一次计算。

2. 卷积计算的主要作用

卷积最主要的作用就是提取特征。而网络的训练主要就是找到最好的卷积的参数组合，使识别的精度最高。训练过程中通过比较当前卷积核计算出的类别与真实类别的差值来反复的修改卷积核的值，慢慢达到最佳精度。

3. 卷积计算的过程

整张图片可能是800x600像素大小，但是卷积核可能只有3x3大小，这就需要滑动来遍历整个的图像像素值。这就是卷积里面的stride。在计算过程中还会发现有的边计算的时候取不到，这就涉及到了padding，可以参考另一篇博客https://blog.csdn.net/itlilyer/article/details/107288176。

下面的图是从其他文章中借鉴过来的，很清楚的描述了卷积的计算过程。