大年初九，浅显学习之卷积

下午+晚上大约看了4个小时
感受：大体上与全连接相类似，都是w与x的线性相乘。
新名词：filter（过滤器），与滤波思想一致。
Featrue map：由过滤器卷积后的得到的一个新矩阵。
空间共享：及filter中的权值 除了depth层 都可以使用同一个filter。（不明白为什么作者要单独拿出来说这个，且用了空间共享这个名字）
卷积后新矩阵尺寸：假设 前尺寸为 w1，h1，d1（长宽高，即像素个数），filter 尺寸为F ，个数为K，stride 为S，zero padding 为p 则 w2 = （w1 + 2p- F）/S +1 ， h2 = （h1+2p-F）/S+1,d2 = K。
多Filters： 每个Filter 都可以抓取不同的特征，如果一副图片中有多个特征，则理论上应使用多个Filter。
矩阵乘法执行卷积：自然要利用GPU的并行能力进行矩阵的运算。权值在前，x值（像素）在后
则w的每一行有一个Filter的所有权值数 即 F*F *D1个数值，X 的每一列则有相同F*F*D1个数值（Filter滑过一

大年初九，浅显学习之卷积最先出现在Python成神之路。