概念
神经网络的深度和数据据体的深度(图像的通道数channels)要主要区分。
输入
1.得到一些数据，作为网络的输入。
2.在CNN中有filter，the size of filter is small。如上的filter为5*5，深度为3，这个3要在深度上穿过
输入数据的每一个位置，输入数据是三个通道；
3.filter 要完全覆盖输入数据的全部深度，用filter来和输入图像做卷积运算。
filter要在整个图像的空域范围内全部位置滑动，每一个位置filter和图像做点乘。这个filter是要学习的用W表示，我们也要学习这些filter，可以把filter看作是你的一堆W，然后在图像范围内滑动这个filter。
as folllows:
$w^{T}x + b$
where w denotes the filter and x denotes the patch of input image, 大小是5*5*3的小区域。
激活图给出了每个空间位置出滤波器的反应，将5*5的filter在32*32的输入数据上滑动，得到了28*28的激活图。
hei = 32; wid = 32; stride = 1; count = 0; step1 = 0; step2 = 0; pathchSize = 5; for x = 1 + step1: stride : hei - patchSize + 1 for y = 1 + step2 : stride : wid - patchSize +1 count = count + 1; end end out >>> count = 784 >>> 28 * 28
另一个滤波器与第一次滤波器计算无关，所以的滤波器都是相互独立的，假设有六个filter，然后输入数据每一个独立的计算与六个滤波器点乘，这个过程成为卷积运算，得到了一组28*28*6的激活图组，把他们沿着深度方向存储在一起。
操作：遍历这幅图像，重新表示这幅32*32的图像，表示为了28*28*6，又作为了后续层的输入，后一个filter为5*5*6(为了保持了输入的深度一致)，假设有10个独立的filter做线性运算
感性的认识这些操作的意义
CNN最后会构建整个特征层级
随着网络的加深，组合成更大的特征块，用小的特征块组合在一起。所以初始值随机，空间上组合这个特征。
filters的堆叠
将滤波器产生的激活图沿着深度方向组合起来，然后把这些图作为下一个卷积层的输入，也就是不断的做这些图的组合。
Conv的大体布局
从图中可以看到大概为三个部分：
1. 卷积层 2.Relu层 (非线性变换层，进行阈值处理也是控制过拟合的方式) 3. 池化层pooling
一列中的每一行是一个激活图，每一个卷积层有10个滤波器
filter的不同尺寸和步长(stride)对于得到的激活图的尺寸
1.计算可以取多少个patch的公式：
hei = ？; wid = ？; stride = ？; count = 0; step1 = 0; step2 = 0; pathchSize = ？; for x = 1 + step1: stride : hei - patchSize + 1 for y = 1 + step2 : stride : wid - patchSize +1 count = count + 1; end end
2.计算输出的激活图的尺寸
$Result = (N-F)/Stride + 1$
where Result should be integer.
3.常用图像的填充(pad)
1.填充的默认值为0；
2.如果加上一圈边缘之后再做卷积，输出尺寸和输入尺寸一样大，这是我们想要的结果，这对于设计神经网络架构十分好，空间大小不变的性质。
3.对于3*3的滤波器，需要1圈才能保持空间大小不变，对于广义的F的大小，如何使空间大小不变呢？需要考虑填充的大小：
4.使用5*5的filter 会发现图像尺寸会随着时间的推进而变小，这是个不好的性质，尺寸从32-》28-》24，空间尺寸变小的速度非常快，我们不想让我们的图像尺寸减小的太快，我们希望做很大大小不会缩小的卷积层，用更少的数字表现原来的图像；希望表达的尺寸不变。
5.参数的计算
6.卷积层的总结：每次接收到的输入数据尺寸为W1*H2*D1，输出尺寸为W2*H2*D2；卷积层的四个超参数：
（1）K 是filter的数量（也表示卷积后的深度，总是2的指数，e,g,32 64 128 512,因为有时候会进入特殊的高效的计算流程，使用向量化表示，这是使用2的指数的原因）
（2）空间的延生F：经常3*3 S=1 空间尺寸不变、或者5*5 S=2 空间尺寸不变；filter的尺寸总是奇数，奇数尺寸的filter有更好的表达，3是有意义的最小尺寸了。
（3）步长S
（4）zero-padding的数量P
7.特例：1*1的卷积，每个滤波器在整个深度方向上做点乘，在整个深度方向上做64维的点乘，再做阈值化处理，有意义。
8.输入深度取决于你的图像通道，输出深度取决于你有多少个滤波器，比较重要的两个词：共享参数和局域连接；也就是说神经元在一个激活映射中共享相同的权值， 我们有5个不同的滤波器，结果从整体上观察数据，你有排列在3维空间中的神经元体，全部以一个局域模式，共享参数的状态关注着同一个数据体。
但是在深度方向上，它们都有不同的神经元，都有着输入数据体的相同的部分，它们的权重不同，它们各自和自己相同层的小伙伴分享权重。
局域连接和参数共享的优点是可以从视觉上控制模型能力，神经元在平面上想要计算相似的东西，例如小的边缘，这样的功能有意义。
下采样
空间尺寸的减小通常是在下采样层进行的。
直观概念：下采样层就是把输入数据拿过来，通过下采样达到空间上压缩的目的，下采样在每个激活映射中独立进行，as follows:
1.max pooling(效果最好的)
需要知道的下采样的超参数包括： 步长、filter的尺寸，深度保持不变。
全连接层(FC layer)
AlexNet
注意池化层没有参数，只有卷积层才有参数。
当在进行反向传播时一定要小心，因为参数是共享的，当你在用filter做卷积时，所有神经元都共享参数，你必须小心所有filter的梯度都汇总到一个权重
blob,
ZFNet
VGGNet
在filter的大小等参数上做了很多的工作，整个VGG网络只用了3*3卷积核，滑动步长2和2*2的池化窗口，stride为2。
大多数的memory的消耗在前面的卷积部分，而大多数的参数集中在全连接层。
GooLeNet
使用了平均池化，在全连接层前大幅度的减小了参数的规模
Resnet
plain net 随着层数的增长反而错误率降低；按道理来说随着层数的增长，模型的性能应该更好，但是结果却是更坏。我们在优化层数上做的不够好
但是ResNet相反，当你提升层数时，模型的训练错误率和测试错误率上都持续地改进，所以你想用更多层数。
梯度“流经”这些权重并且后向传播，你需要做的是加法处理，加法在这里是分散梯度给所有的两部分，因此梯度会流向之前的一部分，同样也会跳过
这一部分，之间流向输入处，该结构让你的梯度直接从158层的softmax层跳达这里的卷积层，因此你可以训练处离图像很近的这些小层次。中间的这些家伙能够
能够学习到如何加入你的信号使得更有效。
另一种解释是这一层基本上是由默认的恒等运算，这些建立在顶部的恒等上，它只是让它更好的优化。
Resnet的训练
（需要再看下Xavier/2的初始化方法）BN可以使得学习率高一些；
残差网络快速缩减了这个尺寸，它们打包了所有的大小，以便内存存下来更多的层次。