點擊上方“AI有道”，選擇“星標”公眾號

重磅干貨，第一時間送達

卷積神經網絡其實早在80年代，就被神經網絡泰斗Lecun 提出[LeNet-5, LeCun 1980]，但是由于當時的數據量、計算力等問題，沒有得到廣泛使用。

卷積神經網絡的靈感來自50年代的諾貝爾生物學獎。Hubel & Wiesel, 1959，貓負責視覺的大腦區域，對于細小的線段感興趣（而不是魚），這個區域離眼睛遠（而不是近）。

1.卷積層 Convolutional Layer

卷積層中有filter，在image空間中不斷滑動，進行點乘dot

filter 的dot的結果是一個數值，經過滑動dot，就會形成一個比原先照片小的層，厚度為1

filter可以有很多個，我們以6個filter為例

2.卷積過程 Convolutional Process

卷積的過程，就是一系列的卷積層的組合：

每一層提取的feature 從low lever，mid level，high level 到可以分類的級別

這里是一個圖片分類的過程：

3.卷積計算 Convolutional Compute

（1）activation map 大小的計算 以7*7大小的圖片為例

（2）zero padding

zero padding 可以保持圖片卷積后的大小

（3）計算

舉例：輸入圖片是32x32x3 有10個5x5的filter ，stride 是1 ，pad 2

輸出的大小？ 參數的多少？

Output volume size: (32+2*2-5)/1+1 = 32 spatially, so 32x32x10

Number of parameters in this layer? each filter has 553 + 1 = 76 params => 76*10 = 760

（4）總結

本專欄圖片、公式很多來自臺灣大學李弘毅老師、斯坦福大學cs229、cs231n 、斯坦福大學cs224n課程。在這里，感謝這些經典課程，向他們致敬！

作者簡介：武強 蘭州大學博士，谷歌全球開發專家Google Develop Expert（GDE Machine Learing 方向）?

CSDN：https://me.csdn.net/dukuku5038?

知乎：https://www.zhihu.com/people/Dr.Wu/activities?

漫畫人工智能公眾號：DayuAI-Founder

系列筆記：?

系列筆記 | 深度學習連載（1）：神經網絡

系列筆記 | 深度學習連載（2）：梯度下降

系列筆記 | 深度學習連載（3）：反向傳播

系列筆記 | 深度學習連載（4）：優化技巧（上）

系列筆記 | 深度學習連載（5）：優化技巧（下）

總結

以上是生活随笔為你收集整理的系列笔记 | 深度学习连载（6）：卷积神经网络基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。