重新排版并降重以下内容：对于 CNN 来说通过卷积核来提取相应的特征。比如说一个大小为5×5的图像和一个3×3的卷积核心。这里的卷积核一共有9个参数就记为 Θ=θij3×3 吧。在这种情况下卷积核实际上有9个神经元它们的输出又在一起组成一个3×3的矩阵称其为特征图。第一个神经元连接到图像的第一个3×3的局部第二个神经元则连接到第二个局部。例子中的9个神经元全部完成输出后实际上则等价于图像和卷积核的
CNN使用卷积核提取特征。例如，对于一个大小为5×5的图像和一个3×3的卷积核，卷积核有9个参数，记为Θ=[θij]3×3。卷积核实际上有9个神经元，它们的输出组成一个3×3的特征图。第一个神经元连接到图像的第一个3×3的局部，第二个神经元连接到第二个局部。当所有9个神经元输出后，相当于对图像和卷积核进行卷积操作。
原文地址: https://www.cveoy.top/t/topic/evXL 著作权归作者所有。请勿转载和采集!