刘二大人CNN

 10.卷积神经网络（基础篇）_哔哩哔哩_bilibili

0、前一部分 卷积层 和 subsampling  叫做Feature Extraction特征提取器，后一部分叫做classification

        1、每一个卷积核它的通道数量要求和输入通道是一样的。这种卷积核的总数有多少个和你输出通道的数量是一样的。

        2、卷积(convolution)后，C(Channels)变，W(width)和H(Height)可变可不变，取决于是否padding。subsampling(或pooling)后，C不变，W和H变。

        3、卷积层：保留图像的空间信息。

       4、卷积层要求输入输出是四维张量(B,C,W,H)，全连接层的输入与输出都是二维张量(B,Input_feature)。

             传送门 PyTorch的nn.Linear（）详解

      5、卷积(线性变换)，激活函数(非线性变换)，池化；这个过程若干次后，view打平，进入全连接层~
 

处理图像经常用：二维卷积神经网络

把图像通过一个卷积层，来保留图像的空间特征

做成全连接会丧失一些空间结构信息。

CNN是把图像直接按照原始的空间结构来进行保存

subsampling目的是减少feature maps的数据量

栅格图像是我们用从自然界获取图像的方式，处理图像时ccd    电子器件 光敏电阻 随着光照电阻值发生变化，一个光敏电阻就能处理一个光锥；光敏做的越小 捕获的光锥就越小 图像分辨率就高；把这些光敏电阻做成阵列，每个光敏电阻就叫做像素。

这是一个黑白的数码摄像的采集器

 彩色图像要对传感器做进一步的改进，

处理一个像素拓展成传感器阵列，这个像素的值来自于三种光敏器件

这里其实也正好解释了