【过一下9】卷积

昨晚眯了一会，突然惊醒，自己leetcode每日一题好像没做。然后过0点了，g了，断了。
上午又是在处理 在家里没有实现课题分离的课题。
（昨天发现 力扣游戏平台 大家都很上瘾，我也决定加入其中）
2022年6月29日12:08:46 开始 过视频
这次由之前的笔记，可以过得快一点，我也就直接在先前的 笔迹进行修改补充了。
看视频的目的——查缺补漏（我欠缺补那些机器学习的基础知识的课程，李宏毅当时也看了一点点，但是侧重点不太对应我的基础，现在这个老师刚刚好），不是为了混时间，真不是呀，我时间很紧张的。（还余下 16个小时的课，我以半小时为一份，也就是 32份）
对应的课件笔记
视频 前10分钟 老师回顾了一下之前全连接神经网络的知识点（以后要复习的话，也可以只看 各个视频的前10分钟 ）
然后 我也去过一下自己 的笔记
（2022年6月29日12:37:07 1/32）

2022年6月29日16:34:54 再看
2022年6月29日16:57:09 2/32
2022年6月29日17:16:14 3/32
2022年6月29日17:25:49 4/32（在卷积神经网络之前中场休息一下）

看bilibili花都兄弟摆台慈善卖鸡腿，看王老菊
然后就陪弟弟出去 骑自行车了
晚上回来
把王老菊看完，然后开始玩那个网页的rougelike游戏，玩到睡觉

2022年6月30日09:45:19 开看
然后去找之前的笔记，发现我好像当时就只是蜻蜓点水了一下这部分的ppt（卷积神经网络的）
所以直接在这写一下

老师强调的除了w 还有b 所以要+1

不能把大图像每一维都输入进去，参数太多了，我们可以先用卷积核，卷出几维来，然后求个平均值
一张图- 卷积核组 -》48维向量 - 全连接网络-》分类

每一层需要设计的是H W 和卷积核个数，然后下一层的深度自动适配上一层的卷积核个数

卷积核组 生成一层一层的特征图组（亮的地方 就是反映这个特征在原图上有体现）

原来公式在这里 （之前还找了好一会）

RELU 激活层 就是对HWD的每一个 卷积的元素 大于0的留下

缩小图之后， 减少运算量，然后能看到更全面的图（增大感受野），学习到全局特征

就是把响应强度最大的拿出来（就是 把 最能表示这里有这个特征的 那个拿出来）进行了 非极大值抑制

用向量（记录了位置信息） 或者 用均值（只记录强弱）

越深的卷积层就是越高级的，学到的就是模板

2022年6月30日11:16:29 看完 6/32

卷积网络里面的卷积 和 我们之前学的卷积 最大区别就是他有深度 而且他还有一个偏移量

2022年6月30日18:31:19 涉及分类的多种ImageNet竞赛的多种网络结构 视频过完，接下来 是其他的计算机视觉任务。看不下去了，溜了溜了。接下来就是新的篇章——kaggle实操。