什么是卷积

目录

  • Feature maps
  • Why not Linear
    • 335k or 1.3MB
    • em...
  • Receptive Field
  • Fully connnected
  • Partial connected
  • Locally connected
  • Rethink Linear layer
  • Fully VS Lovally
  • Weight sharing
  • Why call Convolution?
  • 2D Convolution
  • Convolution in Computer Vision
  • CNN on feature maps


Feature maps

  • 单通道

什么是卷积

  • rgb三通道

什么是卷积

  • rgb三通道合成

什么是卷积

  • 数字2的卷积成像图

什么是卷积

Why not Linear

  • 4 Layers: [784, 256, 256, 256, 10]

什么是卷积

335k or 1.3MB

什么是卷积

em...

  • 486 PC + AT&T DSP32C

    • 256KB
    • 66Mhz
  • Batch X

  • Gradient Cache

  • etc.

什么是卷积

Receptive Field

什么是卷积

Fully connnected

什么是卷积

Partial connected

什么是卷积

Locally connected

什么是卷积

Rethink Linear layer

什么是卷积

Fully VS Lovally

什么是卷积

Weight sharing

什么是卷积

  • 三阶张量的卷积

什么是卷积

  • 6 Layers

    • ~60k parameters
  • 4 layers, 335k

什么是卷积

Why call Convolution?

什么是卷积

2D Convolution


\[y(t) = x(t)*h(t) = \int_{-\infty}^{\infty}x(\tau)h(t-\tau)d\tau \]


什么是卷积

Convolution in Computer Vision

什么是卷积

  • 模糊化

什么是卷积

  • 边缘检测

什么是卷积

CNN on feature maps

什么是卷积

上一篇:学习Keras时需要掌握的知识


下一篇:DCGAN