1.卷积：提取特征
2.卷积神经网络可以分为两个大的部分：提取特征、分类
3.卷积的步长：卷积核走一步的距离
4.
5.卷积操作：其实是把一张大图片分解成好多个小部分，然后依次对这些小部分进行识别
6.最大池化、均值池化
池化层的作用：卷积操作产生了太多的数据，如果没有pooling对这些数据进行压缩，那么网络的运算就会非常的巨大，而且数据参数过于冗余就非常容易导致过度拟合。
7.激活函数的作用是神经网络设计的一个核心单元，激活函数的作用是为了在神经网络中加入非线性
8.softmax用于多分类过程中，它将多个神经元的输出，映射到0.，1区间，可以看成概率来理解，从而来进行多分类
11.
12.
标签：提取,卷积,分类,神经网络,池化,激活 来源： https://blog.csdn.net/qq_34848334/article/details/120805210
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。