卷积层 | 池化层 | 全连接层 | |
功能 | 提取特征 | 压缩特征图,提取主要特征 | 将学到的“分布式特征表示”映射到样本标记空间 |
操作 | https://www.cnblogs.com/nsnow/p/4562308.html 可看这个的动态图,可惜是二维的。对于三维数据比如RGB图像(3通道),卷积核的深度必须同输入的通道数,输出的通道数等于卷积核的个数。 卷积操作会改变输入特征图的通道数。 |
池化只是在二维数据上操作的,因此不改变输入的通道数。对于多通道的输入,这一点和卷积区别很大。 | 可以看做一种卷积操作,代码实现时先将输入转换为向量,然后送入卷积大小为向量长度的卷积层即可。 |
特性 | 权值共享:减少了参数的数量,并利用了图像目标的位置无关性。 稀疏连接:输出的每个值只依赖于输入的部分值。 |
参数太多了,已经很少用了。 |
目前只是对卷积层和池化层的操作进行较为深入的理解和比较,主要是针对多通道图像。
至于对功能、特性等的理解,待进一步探究。