卷积神经网络 权值逐层保存

卷积神经网络是一种前馈神经网络，包含卷积计算且具有深度结构。在卷积神经网络中，特征图同一通道内的所有像素共享一组卷积核权重系数，这种权重共享的性质可以大大减少网络参数的数量，从而降低了网络的复杂度。在卷积神经网络中，权值是逐层保存的，每一层的权值都是由上一层的输出计算得到的。卷积神经网络的训练过程包括建立网络、使用训练样本对网络进行训练、使用测试样本对网络进行测试、前向计算过程、计算目标函数值以及目标函数对权值和偏置的偏导数、更新网络的权值和偏置等步骤。