文章预览
Convolutional Neural Network CNN（卷积神经网络）最核心的两大操作就是卷积（Convolution）和池化（Pooling）。 卷积用于特征 提取，通过卷积核在输入数据上滑动计算加权和；池化用 于特征降维 ，通过聚合统计池化窗口内的元素来减少数据空间大小 。 Convolution And Pooling 一、 卷积（Convolution） 卷积（ Convolution ）： 卷积是一种数学运算，在CNN中，它通过滑动窗口（也称为卷积核或滤波器）在输入图像或特征图上滑动，并计算窗口内元素与对应卷积核元素的加权和（包括偏置项），从而生成输出特征图。 Convolution 卷积是一种特殊的线性运算，用于提取图像中的局部特征。 CNN通过使用一个或多个卷积核（也称为滤波器或特征检测器）在输入数据（如图像）上进行滑动窗口操作来提取特征。 卷积核（Convolution Kernel）： 一个可学习的权重矩阵，其大小通常远小
………………………………
