对Matconvnet中的Conv-ReLU-Pool-NormBatch进行总结和思考

最近一直都在深思熟虑出国与找工作之间的选择，在过去三年的这个时候又再次陷入了两难的境地。真的感到身心俱疲，又拿起自己的MatConvNet重新通读了一遍牛津学派的编程艺术。唯有深入专注的工作环境才能让我安心。

1. vl_nncov - CNN的卷积操作

该网络架构采用基于自适应平移量的深度卷积层以提高模型性能

• X 是一个四维张量 H \times W \times C \times N ，其中 (H,W) 表示图像通道的高度和宽度；C 代表特征通道的数量；N 是批次大小中图像的数量。
• F 是一个由四个维度组成的滤波器组 FW \times FH \times FC \times K ，其中 (FH,FW) 分别表示滤波器的高度和宽度；K 表示滤波器组中的滤波器总数；FC 是每个滤波器接收的特征图数量，并且必须与输入图像 X 中的特征通道数量相匹配。
• FC 可以整除 C；在这种情况下，默认情况下假设每个滤波器组由 G=C/FC 个相同大小的滤波器组成（G 必须整除 K）。每个滤波器组会依次处理输入数组 X 的连续子集特征通道。

**[DX