Neural network 卷积神经网络在卷积层中的反向传播增量计算

Neural network 卷积神经网络在卷积层中的反向传播增量计算,neural-network,conv-neural-network,convolution,backpropagation,Neural Network,Conv Neural Network,Convolution,Backpropagation,所以我试着制作一个CNN,到目前为止,我想我理解了所有的正向传播和反向传播,在完全连接的层中。然而,我在卷积层中遇到了一些问题 基本上,我已经写出了CNN中每个阶段的所有内容的维度,有两个卷积层和两个完全连接的层,输入深度为1(因为它是黑白的),每个卷积层只应用一个过滤器。在这个阶段,我没有费心使用池,因为就我的知识而言,它不应该对微积分有任何影响,只是对它的分配位置有影响,所以只要我的backprop中不包含任何升级,维度应该仍然合适。在应用激活函数之后,我也没有费心写出维度,因为它们与它们的

所以我试着制作一个CNN,到目前为止,我想我理解了所有的正向传播和反向传播,在完全连接的层中。然而,我在卷积层中遇到了一些问题

基本上,我已经写出了CNN中每个阶段的所有内容的维度,有两个卷积层和两个完全连接的层,输入深度为1(因为它是黑白的),每个卷积层只应用一个过滤器。在这个阶段,我没有费心使用池,因为就我的知识而言,它不应该对微积分有任何影响,只是对它的分配位置有影响,所以只要我的backprop中不包含任何升级,维度应该仍然合适。在应用激活函数之后,我也没有费心写出维度,因为它们与它们的输入相同,并且我会写两次相同的值

正如您将看到的,尺寸标注的格式略有不同。对于卷积层,我将它们写成图像,而不是矩阵形式。而对于完全连接的层,我已经将尺寸写为所用矩阵的大小(当您看到它时,希望会更有意义)

问题是在计算卷积层的增量时,维度不合适,我做错了什么

使用的网站:

尺寸计算: