Add Parameters of convolution layer

深度学习入门/第三章——卷积神经网络.md

@@ -46,6 +46,8 @@ CV领域发展：
 
 > 比如一个猫的图，眼睛鼻子特征和周围环境特征的重要性明显不一样，需要区别对待。先把图像进行分割（最左边），分割成多个小区域，提取其中一个小区域（第二个5×5×3），蓝色图的右下角3×3矩阵，大字体的值是X的值，而小字体的值是w权重，会不断循环获取最优的w权重和对应的值，并输出右边绿色的14（特征值）。
 
+如果看了不理解，下面的具体计算方法一定能帮助你理解。
+
 
 
 #### 卷积的计算方法
@@ -74,3 +76,29 @@ CV领域发展：
 
   这级得到了output（0[:,:,1]）中左上角的结果 -1。
 
+
+
+#### 卷积层涉及的参数
+
+卷积层涉及参数：滑动窗口步长、卷积核尺寸、边缘填充、卷积核个数
+
+![1609382597717](assets/1609382597717.png)
+
+- 步长（移动多少个单元格）：
+
+  - 步长为1的卷积：
+
+    ![1609382708847](assets/1609382708847.png)
+
+    移动一个步长，得到红色绿色特征值，移动的步长越小，特征值越多
+
+  - 步长为2的卷积：
+
+    ![1609382724744](assets/1609382724744.png)
+
+    移动两个步长，得到特征值越少
+
+  - 一般图像识别的用步长为1的，
+
+- 卷积核尺寸：选择区域的大小，如上面是3×3的矩阵，可以选择4×4、5×5的，核尺寸越小，越细粒度提取，特征越多。
+