卷积神经网络思考学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/weixin_43283397/article/details/101368408

卷积核不止一个，不同的卷积核针对的提取的特征各不相同。
卷积核是一个数组。

第一层的输入是原始图片，可第二层的输入只是第一层产生的激活图，激活图的每一层都表示了低层次特征的出现位置。如果用一些卷积核处理它，得到的会是表示高层次特征出现的激活图。这些特征的类型可能是半圆（曲线和边的组合）或者矩形（四条边的组合）。随着卷积层的增多，到最后，你可能会得到可以识别手写字迹、粉色物体等等的卷积核。

全连层寻找那些最符合特定类别的特征，并且具有相应的权重，来使你可以得到正确的概率。

https://blog.csdn.net/weixin_42137700/article/details/91360087