卷积神经网络的基础知识

卷积神经网络中的基础知识 本文介绍了 一维卷积 二维卷积 卷积层 池化层 激活函数 神经网络优化的简要方法 一维卷积 一维卷积的输入是一个向量和一个卷积核，输出也是一个向量。 通常状况下，输入向量长度远大于卷积核的长度。 输出向量的长度取决于卷积操作的填充方案，等宽卷积的输出向量的和输入的向量长度相等。 卷积核的长度通常是奇数，这是为了对称设计的。 一个例子： 一维卷积示例 注意相乘的顺序是相反的

>>阅读原文<<