【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。
本文为原创文章，未经本人允许，禁止转载。转载请注明出处。
1.1D数据和3D数据的卷积运算
我们通常所用的图像为2D数据。其实除了2D数据，我们还会用到1D或者3D数据（甚至更高维度的数据）。
先回顾下之前2D数据的卷积运算：
假设input的维度：$14\times 14 \times 3$，3为通道数。filter的维度：$5\times 5 \times 3$，filter的数量：16。则output的维度：$10\times 10 \times 16$。
信号类型的数据（例如心电图）常为1D数据：
假设input的维度：$14 \times 1$，1为通道数。filter的维度：$5 \times 1$，filter的数量：16。则output的维度：$10 \times 16$。
医学上，CT扫描得到的数据或者视频数据常为3D数据：
假设input的维度：$14 \times 14 \times 14 \times 1$，1为通道数。filter的维度：$5 \times 5 \times 5 \times 1$，filter的数量：16。则output的维度：$10 \times 10 \times 10 \times 16$。
