卷积神经网络基础
我写这篇文章是为了准备我在面试培训中所教的一堂课,以帮助专业人士找到顶级科技公司的工作机会。如果你正在准备面试或加强基础,这篇文章可能也对你有所帮助。
在这篇文章中,我们将介绍卷积神经网络及其基础知识。我们将从卷积操作开始,继续介绍卷积层是什么以及如何构建卷积网络。
让我们开始吧。
卷积神经网络(CNN)由多个“卷积层”组成。这些层在“卷积操作”上运行。卷积是信号和图像处理中的一项基本操作。先来看看这个操作是什么。
什么是卷积操作?
卷积是一个核(滤波器)和输入特征图之间的数学操作。
核通常是一个小矩阵,例如3×3或5×5。输入总是一个具有高度、宽度和通道的特征图。卷积操作的工作原理是,核滑动在输入上,并计算核与输入的局部区域的点乘。这个点乘乘法和求和产生输出特征图中的一个单一值。
当滤波器在所有位置上滑动时,它生成一个称为输出特征图的2D激活图。对于滤波器(核)在图像或输入特征图上滑动的每个位置,我们计算逐元素的点积并将它们相加。这给出了输出图中的一个条目:
接下来,我们将滤波器向右滑动到输入图的另一个局部区域,这将产生输出图中的另一个条目: