# Deep learning Keras CNN part
> 05/07 Keras CNN
---

>### Convolutional Neural Network (CNN)

可以將圖片切割成300*300的點，丟入到神經網路，但是今天如果Weight太多將會造成training時間過長或是太耗資源。
所以可以思考在一張圖中真的左上角跟右下角的點，會是有關聯的嗎？

Property 1,2,3 what,where,size，大小的變化並沒有太多影響，但不能縮到太小。

## Hyper-parameters of Convolutional Layer
Filter Size
Zero-padding
Stride
Depth (total number of filters)

#### Filter Size
怎麼設計看自己，但如果設計不好可能會造成損失圖像資訊，所以用到Zero-padding

#### Zero-padding
對原始圖像補零,使得在做fiter時可保留原始邊界重要資訊，甚至可出現重要資訊。

#### Stride
要不要跨大步走，用得要很小心，很有可能會跳過重要的圖像資訊。

#### Convolution on RGB Image
分別設計三個filter對圖像conv後相加

### Depth
以往cv都是自己設定filter，但在DL是要讓電腦自己去學習怎樣的filter是好的，能找出特徵的

### 看懂模型filter
p.194

## Pooling Layer
Why do we need pooling layers?
 Reduce the number of weights(減少太多的權重)
 Prevent overfitting(避免過度訓練)
 Max pooling
 Consider the existence of patterns in each region
Max pooling v.s. average pooling
Max 主要找出特徵中最明顯的，是否有出現過
average 主要找出重覆特徵的地方 e.g. 魚鱗

###### tags: 'keras' 'deep learning' 'python'