【深度学习】CNN-原理
CNN原理
1CNN步骤
1）卷积层
通过filter（模板）与input（输入）进行卷积，获得卷积层输出。
2）池化层
通过池化(pooling)，将卷积层的输出变成一个固定长度的向量。常用的池化为1-max，最大、最小、平均等。
3）利用固定长度的向量即可通过常规的分类、回归模型进行分类、回归。如softmax、logistic regression。
CNN的结构图如下。
paper: http://arxiv.org/pdf/1510.03820v4.pdf
code: https://github.com/dennybritz/cnn-text-classification-tf
2关于池化操作需要的几个参数
• Pooling 的 窗口大小（长，宽）
• Pooling的步长