翻遍整个B站，这是我看过的讲的最透彻的【卷积神经网络】原理解读，不愧是油管...

卷积核

池化

缩小 pooling 两组卷积核得到两个feature map

maxpooling 保留特征 对角线的 四格四格的过 最右边补0

负数全部为0 激活函数 修正线性单元

中间三个是个单元就是神经网络 可以多次重复

全连接 把那个排成一列

每个值都有权重 乘以之后加起来 得到概率

全连接 就是每个神经元都要相连 可以多次

权重？

卷积核怎么确定？

下图是个网站，可以导出图片

把神经网络和真实的值比较，得到损失函数，通过一层层的微调使损失函数最小 让机器自己学习

反向传播

事先定好的 放个框架 超参数

卷积神经网络只能处理可以转换成图像格式的数据。

比如这种数据表 如果列换一下依然可以用 就不能用卷积神经网络。