[Deep Learning] CNN卷积相关概念_卷积层和卷积核的关系

[Deep Learning] CNN卷积相关概念

由于自己老是混淆这些概念，每次都要反复学习，因此整理出来，帮助记忆

什么是卷积，卷积层，卷积核，以及通道？

• 卷积：图像中不同数据窗口的数据和卷积核做内积的操作叫做卷积。

• 卷积核：又称滤波器（filter）或者内核（kernel）。用于对输入的图像结构进行特征提取。

• 卷积层：一个或多个滤波器（卷积核）叠加成了卷积层

  不过现在卷积核与卷积层的概念已经很模糊和混淆了

• 通道：可以理解成视角、角度。通道数即滤波器的个数，输出的通道层数只与当前滤波器的通道个数有关。

举个栗子～如上图：

1. 卷积核的个数：2，卷积核大小为 3 x 3 ( H x W )
2. 卷积层的个数：1，卷积层大小为 3 x 3 x 3 ( C x H x W ) ，C 代表 channel ，通道数的意思，卷积层的参数个数为 3 x 3 x 3 x 2 ( 输入通道数 x 卷积核H x 卷积核W x 输出通道数)
3. 通道数：2 ；深度：1 ； 步长：2

常用的卷积函数解释

Conv2d( input_size, output_size, kernel_size, stride ):

Input_size : 输入的通道数

output_size : 输出的通道数

kernel_size : 卷积核大小

stride : 步长