关于深度学习中卷积核操作

直接举例进行说明输出图片的长和宽。 输入照片为：32*32*3， 这是用一个Filter得到的结果，即使一个activation map。(filter 总会自动扩充到和输入照片一样的depth)。 当我们用6个5*5的Filter时，我们将会得到6个分开的activation maps，如图所示： 得到的“新照片”的大小为：28*28*6. 其实，每个卷积层之后都会跟一个相应的激活函数（acti

>>阅读原文<<