今日休假，把卷積神經(jīng)網(wǎng)絡(luò)梳理下。先從一些基本概念入手，什么是卷積？為什么叫這么個名字？
搜索了一遍，網(wǎng)上有很多人已經(jīng)表述的非常好了，這里用自己理解的語言重述下。
既然是卷積，肯定是一種積，積我們知道是兩個數(shù)的乘的結(jié)果，那么卷積也是一種乘，所以需要兩個相乘的單元。
先考慮在一維變量上：
image
函數(shù) f 與函數(shù) g 不停在搏斗，同時把搏斗的結(jié)果進(jìn)行求和，而且這個過程是從生到死（負(fù)無窮-正無窮）
下面是連續(xù)函數(shù)的積分表達(dá)形式，效果是一樣的
image
上面的兩個式子可以看到有共同的地方就是：
image
這就有意思了，也就是解釋卷積的“卷”的關(guān)鍵所在。
我們假設(shè)
image
x+y=a 是一條直線，a 的取值從負(fù)無窮到正無窮，這個過程就是把 xy 坐標(biāo)系從西南角一直掃描到東北角，就像我們卷手絹一樣，還是比較形象的。
image
有了上面的認(rèn)識，我們進(jìn)一步看看二維的。
如果在在二維空間，有函數(shù) f(x, y) 和 g(x, y)，他們兩個做乘積，也就是：
image
這個式子看上去有點(diǎn)小復(fù)雜，其實(shí)就是表示從負(fù)無窮到正無窮的全部 s 和 t 值，把 g 在 (x-s, y-t) 上的值乘以 f 在 (s, t) 上的值之后再“加和”到一起，得到 c 在 (x, y) 上的值。說白了卷積就是一種“加權(quán)求和”：以 f 為權(quán)，以 (x, y) 為中心，把 g 距離中心 (-s, -t) 位置上的值乘上 f 在 (s, t) 的值，最后加到一起。
如果是離散的，把積分修改為求和即可：
image
式子最右邊就是表示跨度德爾塔為1。
尤其需要注意的是 f 與 g 里面的 s 與 t 的正負(fù)方向。
舉個例子：
假如現(xiàn)在有一個10*10的圖片，該圖片是灰度處理過的，也就是黑白圖片，不是 RGB 三個通道的。
在這10
10的格子里有對應(yīng)的值，范圍之外全是0，我們令整個圖片叫G。另外還有一個矩陣（一般應(yīng)該是特征矩陣，用來提取大圖的特征），我們叫他F,他的值應(yīng)該是預(yù)先給定好的，這里我們也是假設(shè)一組數(shù)據(jù)填充進(jìn)來。
image
接下來，我們要做的就是，把 F 進(jìn)行上下左右反轉(zhuǎn)，形成F‘，然后與 G 從00點(diǎn)開始對齊，進(jìn)行小格子乘積操作，再求和。
比如在3**7這個點(diǎn)進(jìn)行，求新得到的該點(diǎn)數(shù)值。
image
image
上述操作其實(shí)就是對數(shù)字圖像進(jìn)行離散卷積操作，又叫濾波。F 稱作卷積核或濾波器。不同的 F 有不同的效果。
比如：
image
經(jīng)過不同的卷積核，可能得到的圖片：
image
image
進(jìn)一步
有了卷積，我們可能還要做一些輔助的事，比如步長，補(bǔ)0等。
比如有一個5乘5的矩陣，都是1，現(xiàn)在有一個2**2卷積核,值是[-1,0，0，-1]。
image
現(xiàn)在需要做卷積，每次移動2格，也就是步長是2，開始計算各個小區(qū)塊，如下圖。
image
最終結(jié)果是:
-2,-2,-1,
-2,-2,-1,
-1,-1,-1
在移動步長的時候，不足的地方需要補(bǔ)0操作,如果不補(bǔ)0，就 dropped，這都是 padding 的策略
多核卷積
一個 G 函數(shù)，可以使用多個 F 函數(shù)做卷積核，得到不同的卷積結(jié)果，也就是某張圖片使用多個卷積核，得到各個不同地方的特征。
全卷積
全卷積也叫反卷積，他的步長是1，是把原始圖片的每個像素點(diǎn)用卷積操作展開。比如下圖，
image
如果原始圖片的大小是 N1乘N1，核的大小是 N2乘N2，那么生成的圖片大小是：（N1+N2-1）（N1+N2-1）
池化
池化的操作就是降低維度，我們再對圖片做操作的時候，由于維度太多，需要降低維度，同時要保持特征部分。池化的操作也是需要一個矩陣，也需要步長，原始數(shù)據(jù)經(jīng)過池化操作，矩陣大小明顯變小，里面的數(shù)值的確定有：取池化范圍的最大值，取池化區(qū)域均值，下圖是一個最大池化的例子
image
在 TensorFlow 中學(xué)習(xí)卷積
在 TensorFlow 里面已經(jīng)包裝了這些函數(shù)，我們不在需要逐個計算，tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None) 函數(shù)實(shí)現(xiàn)了卷積操作。來看下他的具體參數(shù)含義：
給定一個input的張量[batch, in_height, in_width, in_channels]和一個過濾器 / 內(nèi)核張量 [filter_height, filter_width, in_channels, out_channels]后，執(zhí)行以下操作：
展平filter為一個形狀為[filter_height * filter_width * in_channels, output_channels]的二維矩陣。
從input中按照filter大小提取圖片子集形成一個大小為[batch, out_height, out_width, filter_height * filter_width * in_channels]的虛擬張量。
循環(huán)每個圖片子集，右乘filter矩陣。
舉個例子：
有一個輸入[1,3,3,1],表示一個圖像，33大小，1個通道；
filter 是[2,2,1,1]表示過濾器是2
2大小，輸入輸出通道都是1；
步長是1，padding是VALID；
這種情況下，輸出是1x2x2x1，其中2=（3-2）/1+1，即(圖片大小-filter大小)/步長+1。
input 和 filter 都是4維度
importtensorflowastfinput = tf.constant([[? [[1],? [2],? [3]],? [[4],? [5],? [6]],? [[7],? [8],? [9]]]],dtype=tf.float32)filter = tf.constant([[[[1]],? [[2]]], [[[3]],? [[4]]]],dtype=tf.float32)op = tf.nn.conv2d(input,filter,strides = [1,1,1,1],padding ='VALID')withtf.Session()assess:? ? sess.run(tf.global_variables_initializer())? ? result = sess.run(op)? ? print(result)
輸出結(jié)果是：
[[[[37.]? [47.]]? [[67.]? [77.]]]]
如果 padding（補(bǔ)0操作）是 SAME，也就是和輸入一樣大小，那么
op = tf.nn.conv2d（input，filter，strides = [1,1,1,1]，padding ='SAME'）
得到的結(jié)果1x3x3x1。
[[[[37.]? [47.]? [21.]]? [[67.]? [77.]? [33.]]? [[23.]? [26.]? [9.]]]]
image
對于多通道來說，輸入是[1x3x3x2]是3x3圖像有2個通道，過濾器是[2x2x2x1]是2x2大小2個輸入1個輸出，步長是1，padding=VALID，輸出是[1x2x2x1],如圖：
image
作者：breezedancer
鏈接：http://www.itdecent.cn/p/33ea5bbfcc46
來源：簡書
簡書著作權(quán)歸作者所有，任何形式的轉(zhuǎn)載都請聯(lián)系作者獲得授權(quán)并注明出處。
