神经网络学习-卷积/池化

在处理图像时会使用一组卷积核，不同的卷积核描述不同的特征，以产生不同的激活映射。

卷积总结：

1. 输入一个 $W_{1}*H_{1}*D_{1}$的图片
2. 四个超参数：
   • 卷积核个数K
   • 卷积核大小F
   • 步长S
   • 填充大小P
3. 卷积计算得到的输出大小： $W_{2}*H_{2}*D_{2}$
   • $W_{2}=(W_{1}-F+2P)/S+1$
   • $H_{2}=(H_{1}-F+2P)/S+1$
   • $D_{2}=K$