------------恢复内容开始------------
------------恢复内容开始------------
1、卷积神经网络和传统神经网络的比较，也就是说，简单地神经网络nn即三个层 输入层、隐藏层、输出层而卷积神经网络则是在神经网络的基础上即
cnn
输入层
隐藏层：卷积层、激活层、池化层、全连接层
输出层
nn
输入层
隐藏层：全连接层
输出层
2、卷积神经网络原理
即卷积层、激活层、池化层、全连接层。例我们对一张汽车图片进行识别，先进性conv卷积，然后再经历relu激活函数、在经历conv卷积，然后pool池化，等一系列过程，最后通过全连接层进行分类
3、卷积神经网络的三个结构
4、卷积层的作用
4.1卷积核四大要素 卷积核也被称之为 filter、模型参数、过滤器
卷积核大小 一般是1*1 3*3 5*5
卷积核数量
卷积核步长
卷积核零填充大小
4.2卷积核如何计算大小
例1这是通道为1的照片
例2
4.3卷积核如何计算通过步长
例1每次移动一个格子的步长
例2每次移动二个格子的步长
4.4零填充大小
5、输出形状大小计算
6、多通道图片计算
7、卷积网络API
------------恢复内容结束------------
------------恢复内容结束------------