李宏毅老師的聽課筆記
https://www.youtube.com/watch?v=Ye018rCVvOo&list=PLJV_el3uVTsMhtt7_Y6sgTHGHp1Vb2P2J
寫的很簡單，主要是為了自己了解，如有不明白或者指出問題，請多指教！
CNN
Convolutional Neural Network ，專門用在圖像上的，目的就是提取有用的特征
Tensor 次元大于2的矩陣
版本1：
沒必要fully connected，對于一張圖檔，辨識他是啥就看部分特征就行
每一個neuron關心自己的receptive field就好，大小就是kernel size，會預設考慮3個通道，stride就是移動的跨度，如果超出了影像範圍就做padding。但是功能相同的neuron，可以共享參數。每一個receptive field 都有一組neuron守備，這些neuron就是filter組
receptive field + parameter sharing =》 convolutional layer
版本2：
convolutional layer 就是有很多filter （3x3xchannel）, 每一個filter去圖檔裡抓取某一pattern。一個filter對一張圖檔從左到右從上到下移動，掃過一張圖，得到的結果們會變小
每一個filter都會給一群數字
這一群數字就是feature map，而這些可以看作是另一張圖檔，但是channel變成filter數目
可以疊很多convolutional layer
每一次convolution 就是一個convolutional layer， 每一個layer 有很多 filter
pooling 池化
一張大圖檔做subsampling ，比如去掉奇數行偶數列什麼的，讓圖檔變小，本身不是layer，因為沒有參數，不用learn什麼。對剛才filter得到的一群數字，再分組取數字，比如max pooling取最大的
卷積層之後再池化，就是channel不變，圖檔變狹長