机器学习-卷积神经网络简介(2)

代替大卷积 在这里，我们解释了级联几个小卷积的作用，在下面的图中，我们有2个3x3卷积层。 如果从右侧的第二层开始，则第二层上的一个神经元具有3x3的接收场，并且第一层上的每个神经元都会在输入上创建5x5的接收场。 因此，用简单的话来说，级联可以用来代表较大的级联。 新的成功模型的新趋势是使用较小的卷积，例如，可以将7x7卷积替换为具有相同深度的3个3x3卷积。 由于第一转换层和输入文件深度之间的

>>阅读原文<<