卷积神经网络的参数是什么

卷积神经网络用全连接层的参数确定：卷积神经网络与传统的人脸检测方法不同，它是通过直接作用于输入样本，用样本来训练网络并最终实现检测任务的。

    在设计卷积神经网络的时候，需要考虑网络的大小，即参数量和计算量，参数量指的是卷积核中的参数的数量，计算量指的是卷积神经网络执行数值运算的次数。

卷积神经网络（Convolutional Neural Networks, CNN）的核心是进行卷积运算操作。 在实际应用中往往采用多层网络结构，因此又被称为深度卷积神经网络。 本文将从单个卷积的计算出发，带大家掌握卷积层在神经网络中的运算方法。

输入层（包含图像的）应该能被2整除很多次。 常用数字包括32（比如CIFAR-10），64，96（比如STL-10）或224（比如ImageNet卷积神经网络），384和512。 最常用的设置是用用2x2感受野，步长为1。