学习笔记：CNN

这是我看过讲解CNN最详细，最清楚的视频，特色是理论和pytorch代码相结合:刘二大人的视频。

首先需要从整体上理解CNN网络

CNN

• 图像输入计算机就是一个矩阵
• 将一个图像(input)，通过卷积(Convolution)、下采样（Subsampling、又叫池化Pooling，）、卷积和池化操作可以进行多次，然后接入全连接网络进行分类判断。
• 图像的输入是通道 * 宽 * 高： ,即

• 黑白图像的输入channel是1，彩色图片的输入channel是3

  
  彩色图像有三个输入channel

理解卷积的计算过程

我们从单通道输入开始

卷积计算

• Kernel是我们常说的卷积核，用卷积核在输入图像上滑动，通过数字乘法，计算一个输出。
• 最后我们从得到了（这里的1就是通道）
  得到单通道输出

单通道输入的计算已经清楚，那怎么计算多通道输入呢？

• 简单来说就是用多个卷积核分别计算，然后求和

三通道的计算过程

• 输入图像有三个channel，每个channle的尺寸为 。
• 卷积核有三个channel，每个channel的尺寸为。
• 输出只有一个channel,大小是。
  三通道输入，经过卷积，得到一通道输出
• 简单的说我们就是将一个 的输入通过一个的卷积核，计算得到一个的结果

那么如何输入得到输出?

多通道计算

• 一个卷积核（filter）的大小是：
• 每个卷积核的channel和输入数据的channel一致
• 加入个卷积核分别计算，就可以得到个结果，然后将这和结果拼接
• 总结：卷积核的channel和输入channe保持一致，卷积核的数量和输出channel保持一致

padding

• 就是给输入周围添加0，调整输出的大小

  
  padding

stride

• 控制滑动时跳跃的距离

  
  stride

MaxPooling

• 最大池化，就是找其中的最大值

  
  maxpooling
• 还有一个avgPooling，即平均池化，就是计算平均值。