【深度学习系列】卷积神经网络详解(二)——自己手写一个卷积神经网络

【深度学习系列】卷积神经网络详解(二)——自己手写一个

卷积神经网络

作者：Charlotte77 数学系的数据挖掘民工

博客专栏：/charlotte77/

个人公众号：Charlotte数据挖掘（ID：CharlotteDataMining）精彩回顾：【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理【深度学习系列】PaddlePaddle之数据预处理?? 上篇文章中我们讲解了卷积神经网络的基本原理，

包括几个基本层的定义、运算规则等。本文主要写卷积神经

网络如何进行一次完整的训练，包括前向传播和反向传播，

并自己手写一个卷积神经网络。如果不了解基本原理的，可

以先看看上篇文章：????【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理卷积神经网络的前向传

播首先我们来看一个最简单的卷积神经网络： 1.输入层---->卷积层以上一节的例子为例，输入是一个4*4 的image，经过两个2*2的卷积核进行卷积运算后，变成两个

3*3的feature_map以卷积核filter1为例(stride = 1 )：

计算第一个卷积层神经元o11的输入:

神经元o11的输出:(此处使用Relu激活函数)

其他神经元计算方式相同 2.卷积层---->池化层计算池化层m11 的输入(取窗口为 2 * 2),池化层没有激活函数