Day06-08.CNN概述介绍

一、CNN概述

卷积神经网络（Convolutional Neural Network）是含有卷积层的神经网络. 卷积层的作用就是用来自动学习、提取图像的特征。

CNN网络主要由三部分构成：卷积层、池化层和全连接层构成：

1、卷积层负责提取图像中的局部特征；

2、池化层用来大幅降低参数量级(降维)；

3、全连接层用来输出想要的结果。

图中CNN要做的事情是：给定一张图片，是车还是马未知，是什么车也未知，现在需要模型判断这张图片里具体是一个什么东西，总之输出一个结果：如果是车 那是什么车。

最左边是：

数据输入层：对数据做一些处理，比如去均值（各维度都减对应维度的均值，使得输入数据各个维度都中心化为0，避免数据过多偏差，影响训练效果）、归一化（把所有的数据都归一到同样的范围）、PCA等等。CNN只对训练集做“去均值”这一步。

中间是：

卷积层(CONV)：线性乘积求和，提取图像中的局部特征

激励层(RELU)：ReLU激活函数,输入数据转换成输出数据

池化层(POOL)：取区域平均值或最大值，大幅降低参数量级(降维)

最右边是：

全连接层(FC)：输出CNN模型预测结果