共计 608 个字符，预计需要花费 2 分钟才能阅读完成。
卷积神经网络的基础 – 卷积运算
卷积运算 运算的规则就是把filter铺到原矩阵中，然后把filter与原矩阵中对应的数相乘再加和。
卷积神经网络的原理 – 边缘检测
卷积神经网络的原理 – 灰度图
灰度图，Gray Scale Image 或是Grey Scale Image，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶
RGB转灰度图公式： Gray = R0.299 + G0.587 + B*0.114
卷积神经网络的原理 – 边缘检测的另一个例子
卷积神经网络的原理 – 不同的边缘检测过滤器
卷积核的表示
[卷积核的行数,卷积核列数,卷积核的通道数,卷积核的个数]
Padding & Stride (填充和步长)
卷积运算的缺点
每次做卷积的时候，图像都会缩小
角落的像素点只会被使用一次，而中间的像素点会用到很多次，这意味着你丢掉了很多图像边缘的信息
解决的方法
– 在做卷积运算前，对图像进行填充
Vaild 和 Same 卷积运算
“Valid”: 意味着不填充（no padding）
(n x n) * (f x f) = (n – f + 1) * (n – f + 1)
“Same” : 意味着输入的大小和输出的大小一样
(n x n) * (f x f) = (n + 2p – f + 1) * (n + 2p – f + 1)
p = (f -1) /2
Stride 步长
意味着一步一步走，还是几步几步走
公式:
((n + 2p – f)/s + 1) x (n + 2p – f)/s + 1)
注意:
如果商不为0， 那就向下取整
如果移动到了外面，那就跳过
卷积神经网络示例1
正文完
