卷积神经网络中，通道，过滤矩阵，全连接层的问题

Question

图片经过第一次处理 过滤矩阵是 6 个 5 * 5的矩阵，得到 28 * 28 * 6的输出，这里得到的矩阵是 28 * （28 * 6）的二维 矩阵 还是 28 * 28 * 6 的三维矩阵，之前的课程有说明经过过滤之后其实还是一个矩阵，那应该是28 * 28的一个矩阵，包括后面都是怎么理解的呢？ 还有就是全连接层 之前说的nlp的输入应该是[1,2,3,4]这样的一维数据，但是到卷积这里的时候输入缺变成了[[1],[2],[3]]这种格式的二维数据，这又是怎么理解的呢？

Answer 1

flare_zhao 2020-03-11 22:42:49

同学你好，第一次处理后会变成28 * 28 * 6 的三维矩阵，后续卷积运算也是类似的。进行flatten展开以后，核心是变成一个只有一行或者只有一列的序列数据，这样就方便我们把很多组图片数据添加到一个大的数组中进行进一步的运算。那通常来说只有一行或者一列的序列数据，可以是类似于一个list比如[1,2,3]，也可以是一个二维的array，但这个array的shape为(3,1)，甚至可以是更高维度的array，只要其shape为（3，1，1....)，就是除了第一维的数值大于1，其他维度数值都为1，这样接下来就可以把批量的样本数据叠加在一起。

• 提问者 黯淡_0001 #1

  好的，谢谢。
  那下面的 6 * 6 * 3 和 3 个 过滤器 处理之后得到的怎么是一个4 * 4 的矩阵呢？ 通道数跑哪里去了呢？

• flare_zhao 回复 提问者 黯淡_0001 #2

  这是属于同一个filter组，我们可以理解为一个filter，一个3*3*3的filter，这个filter有3个通道。如果我们用3个这样的filter组去进行卷积操作，那就会有三个通道。这里我们只用了1个，因此输出为单通道