本文介绍了卷积神经网络中的卷积层如何提取图像特征。通过点乘运算，卷积核与图像像素交互，提取特征值。文章讨论了卷积核的权重、步长（stride）、填充（zero padding）对特征图大小的影响，以及它们在保持特征信息和控制网络结构中的作用。
点击关注我 然后看我资料 + 群 可以免费获取学习资料哈
这个最简单的卷积神经网络说到底，终究是起到一个分类器的作用
卷积层负责提取特征，采样层负责特征选择，全连接层负责分类
‘这位同学，你说的简单，其实我对卷积层怎么实现特征提取完全不懂’
问的好，卷积神经网络的出现，以参数少，训练快，得分高，易迁移的特点全面碾压之前的简单神经网络
而其中的卷积层可以说是这个卷积神经网络的灵魂
我们接下来会分两节来分析，卷积层到底是怎么充当“灵魂伴侣”这个角色的
正常情况下，我们输入图片是RGB格式，也就对红(R)、绿(G)、蓝(B)三个颜色
让我们来看蓝蓝的天空
什么，你看这天空是绿的？
那这位兄弟，你该去休息休息
RGB格式大家自己谷歌吧，这也不多说了
总的来
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
