1、卷积的实现

从左到右的矩阵可以看作：一幅图像、过滤器filter（核）、另一幅图像

编程中卷积的实现：支持卷积的深度学习框架都会有一些函数实现这个卷积运算

python：conv_forward函数

TensorFlow：tf.nn.conv2d函数

Keras：Conv2D函数

2、卷积完成垂直边缘检测

经过这样的卷积操作，我们可以得到明暗的交界处

3、正边缘和负边缘的区别：由亮变暗和由暗变量的边缘过度

 

30：表示由亮变暗；-30表示由暗变亮

4、水平和垂直边缘检测器，如下图

不同的过滤器：

我们可以把过滤器中的数值设置为需要学习的参数，通过反向传播，可以学习到不同的过滤器，实现不同的边缘检测效果

5、填充（Padding）

通用公式

n*n图像使用f*f的过滤器得到(n-f+1)*(n-f+1）的输出

缺点：①每次使用一个卷积操作，图像都会缩小

          ②图像角落或者边缘的像素只会在输出中被使用一次，丢失了图片上许多边界的信息

解决办法：填充

填充完再卷积的话：输出：(n+2p-f+1)*(n+2p-f+1)

到底要填充多少：

Valid:没有填充；n*n图像使用f*f的过滤器得到(n-f+1)*(n-f+1）的输出

Same:输出大小=输入大小；f几乎永远是奇数

6、卷积步长stride

当不能整除的时候，就向下取整