醋醋百科网

卷积核是卷积神经网络（Convolutional Neural Network，CNN）中的重要组成部分，用于提取输入数据的特征。卷积核的参数量是指卷积核中需要学习的参数的数量。在CNN中，卷积核的参数量与卷积核的大小、输入数据的通道数以及输出数据的通道数有关。

首先，我们来看一维卷积核的参数量。一维卷积核通常用于处理序列数据，如文本和音频。假设输入数据的通道数为C_in，输出数据的通道数为C_out，卷积核的大小为K，那么一维卷积核的参数量为C_in * C_out * K。

BN层，即所谓的Batch Normalization，现已经成为神经网络种的标配，它有什么样的魅力以致人们对它如此青睐呢？就让我们一起来看看BN的前因后世吧。欢迎大家一起交流~~~

提出的背景：

随机梯度下降法训练网络的缺点：

1、需要人为的去选择合适的参数，比如学习率、参数初始化、权重衰减系数、Dropout等

2、网络在训练时，存在梯度消失和梯度爆炸的问题：

梯度消失：以sigmoid函数为例