深度学习—卷积神经网络

一、卷积尺寸计算公式

二、池化

池化分为最大池化和平均池化

最常用的就是最大池化，可以认为最大池化不需要引入计算，而平均池化需要引出计算（计算平均数）

每种池化还分为Pooling和AdaptiveAvgPool

Pooling(2)就是每2*2个格子pooling成一个格子，相当于减半

AdaptiveAvgPool（7）就是无论刚开始输入特征图有多大，最后只能变为7*7的特征图

最后，进行拉直，还是进行Linear操作

三、计算Loss值

我们计算Loss值，需要计算出来的概率分布，而经过卷积池化，Linear后得到的y’(上图）不是概率分布，因此我们进行y’=Softmax(y)操作，得到真正的y’的概率分布。

得到y’我们就可以 计算Loss，这里就引入了 CrossEntropy Loss： 交叉熵损失，在使用中，我们可以不用关注计算过程，我们只需调用CrossEntropyLoss即可得到Loss

得到Loss之后，我们就可以 使用PyTorch中的 loss.backward() 方法来自动计算梯度 ，计算每个卷积核的梯度，更新模型。