卷积神经网络（CNN）到底是个什么鬼东西（结构及作用）

满世界都是DEEP LEARNING和CNN, 那么CNN到底是什么？

首先，卷积神经网络只是一个工具，有输入有输出，输入是你的数据集，输出是你要的分类结果，了解大概结构并知道如何使用就行（这里不讲怎么用）。

你应该从很多地方知道了，卷积神经网络包括：

输入层（INPUT）
卷积层(CONV)
激活层(RELU)
池化层(POOL)
全连接层(FC)

下面分别对几个部分做解释：

1.输入层

就是一个矩阵…

2.卷积层

先说卷积吧，卷积就是一个矩阵（原始数据）乘一个卷积核（小矩阵），然后得到另一个矩阵（特征）。

看图复习一下卷积：

图片来源：shushi6969的CSDN博客

知道了卷积是如何操作之后，再来看一下卷积层的图：

图片来源：zxyhhjs2017的CSDN博客

如上图，一个32X32X3的矩阵在和一个5X5X3的卷积核卷积之后（步长为1），变成了一个带有特征的28X28X1的矩阵。当然卷积核还有步长都是可以设置的，可以提取不同的特征。

3.激活层

激活层存在的意义是，线性函数处理不了非线性问题，就找一个工具去处理得到非线性函数，来处理非线性问题。

找个图理解一下：

图片来源：我自己（找不到自己查阅的资料的图源在哪了，就画一个…）

如上图：假如做一个二分类，左边的线性问题就很好办，画一条直线就可以分开了，但是对于右边的图，如果想要做很好的分类，就得画条曲线才行了，激活层就是干这个的。

4.池化层

池化又是干嘛的！！！不是已经卷积出来特征了吗？又通过了激活函数都能处理非线性问题了，怎么还不直接分类！！！

池化就是对得到的特征进行简化压缩，简化就是使得数据少一点，不然算的慢，压缩就是提取主要特征，只要最后分类出我想要的结果，管你什么特征，尽量压缩就好了，不然电脑也带不动呀。最常见的池化操作是最大池化和平均池化，这两个家伙又是什么鬼呢？最大池化操作如图：

图片来源：搜狗百科

如上图，对这16个数据进行最大池化操作，画了四个框，取每个框里边的最大值作为新的数据。（平均池化就是取每个框的平均值啦）

5. 全连接层

经过前面一通操作之后，我们得到了很多特征（只是一个特征的话，就不用深度学习了，就是自己找不出特征才用的…），就可以把这些所有的特征连接起来去进行分类了。全连接层就是干这个的。最后一个图：

图片来源：bobo_jiang的CSDN博客

如上图，我们最后要得到猫的识别结果，经过操作之后得到了头、尾巴、脚等特征之后，全连接层将这些特征组合最后得到了结果，嗯，这是一只猫。

到这里，你可能知道CNN是个什么鬼了，又或是好像更加不懂了，这只是目前我对CNN的一些理解，希望能帮你，如又错误或者不妥，也欢迎批评指正。

这篇文章只是对卷积神经网络的结构和作用做了一个大概的解释，图片有对应链接的也都是CSDN博主对应的关于卷积神经网络的博客，有兴趣的可以点开看看。具体的卷积神经网络如何处理数据，实际操作，建议大家自己下载一个程序，实现一下就明白了。

卷积神经网络（CNN）到底是个什么鬼东西（结构及作用）相关推荐

卷积神经网络(CNN)介绍与实践
七月上海 | 高性能计算之GPU CUDA培训 7月27-29日三天密集式学习快速带你入门阅读全文> 正文共4499个字,26张图,预计阅读时间18分钟. CNN的前世今世 1.1.大脑 ...
卷积神经网络CNN图解
背景之前在网上搜索了好多好多关于CNN的文章,由于网络上的文章很多断章取义或者描述不清晰,看了很多youtobe上面的教学视频还是没有弄懂,最后经过痛苦漫长的煎熬之后对于神经网络和卷积有了粗浅的了解 ...
卷积神经网络CNN总结
从神经网络到卷积神经网络(CNN) 我们知道神经网络的结构是这样的: 那卷积神经网络跟它是什么关系呢? 其实卷积神经网络依旧是层级网络,只是层的功能和形式做了变化,可以说是传统神经网络的一个改进.比如 ...
深度学习方法（五）：卷积神经网络CNN经典模型整理Lenet，Alexnet，Googlenet，VGG，Deep Residual Learning
欢迎转载,转载请注明:本文出自Bin的专栏blog.csdn.net/xbinworld. 技术交流QQ群:433250724,欢迎对算法.技术感兴趣的同学加入. 关于卷积神经网络CNN,网络和文献 ...
python卷积神经网络cnn的训练算法_【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理...
上篇文章我们给出了用paddlepaddle来做手写数字识别的示例,并对网络结构进行到了调整,提高了识别的精度.有的同学表示不是很理解原理,为什么传统的机器学习算法,简单的神经网络(如多层感知机)都可 ...
【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理(1)
上篇文章我们给出了用paddlepaddle来做手写数字识别的示例,并对网络结构进行到了调整,提高了识别的精度.有的同学表示不是很理解原理,为什么传统的机器学习算法,简单的神经网络(如多层感知机)都可 ...
卷积神经网络CNN总结（转）
从神经网络到卷积神经网络(CNN) 我们知道神经网络的结构是这样的: 那卷积神经网络跟它是什么关系呢? 其实卷积神经网络依旧是层级网络,只是层的功能和形式做了变化,可以说是传统神经网络的一个改进.比如 ...
【转】浅谈人类视觉系统与卷积神经网络(CNN)的联系和区别
浅谈人类视觉系统与卷积神经网络(CNN)的联系和区别文章转载:叶强深度学习 / 强化学习 / 机器学习 / 算法 / 眼科学声明:本文为作者原创.欢迎免费规范转载.本文使用的一些图片素材来自于网 ...
卷积神经网络(CNN)的参数优化方法
积神经网络的参数优化方法--调整网络结构是关键!!!你只需不停增加层,直到测试误差不再减少. 著名: 本文是从 Michael Nielsen的电子书Neural Network and Deep L ...
基于FPGA的一维卷积神经网络CNN的实现（一）框架
理论建立与效果展示环境:Vivado2019.2. Part:xcku040-ffva1156-2-i,内嵌DSP个数 1920个,BRAM 600个也就是21.1Mb. 说明:通过识别加高斯白噪声 ...

卷积神经网络（CNN）到底是个什么鬼东西（结构及作用）

卷积神经网络（CNN）到底是个什么鬼东西（结构及作用）相关推荐

最新文章

热门文章