我是一个刚刚开始学习机器学习的小白，此文仅作学习笔记之用，如有错误，敬请斧正。
1.什么是CNN卷积神经网络--从图像识别说起
CNN, conventional neuron network, 译作卷积神经网络。第一次看到这个名词时，我也真的是被吓到了。卷积，听起来就像什么高端数学名词。神经网络，这该不会是什么生物学的高端学说吧？其实，从我学习经验来看，深度学习里每一个名词入门时，都要有种把他们当成纸。。老虎的心态，只要你能把它当成纸。。老虎，你就能很轻松，快速地入门。
卷积神经网络是啥呢？其实就是神经网络地一个加强版，一般应用于图像识别技术。
上面这个就是个典型的图像识别。我把这个人的照片给电脑程序，电脑就开始分析这张图片，并且很快地就在他脸上图图画画表示，我认出人脸啦，你看我把他五官都圈起来啦！但是他的头发，他的脖子，衣服我没有圈，这证明我不是乱圈，我是真的认出来了！
那电脑是怎么做到的呢？
首先我们要去了解，神经网络是什么东西。
这是我随便在网上找的一幅图片，如有侵权请联系我，我去盗其他人的。
这就是很简单的神经网络，里面一个一个圆圈就代表神经元。我们可以看到，这些神经元一共聚集成了三块，第一块叫做layer1，一般叫输入层，意思就是输入的数据。第一个数字1我们先不管，无伤大雅。对于x1，x2来说，这两个就是输入的数据，仅此而已。再看layer3，那个一般就是输出层，就是电脑处理过你的输入数据后，把它给输出出来。而中间的，便是这个处理的过程，一般叫隐藏层。
好了，输入-处理-输出，神经网络的大概功能就是这样，具体是怎么实现的，我会再写一篇博客来解释，而对于理解卷积神经网络，这些知识够了。
那么我们来看看，我们是否能用神经网路去识别一张图片。
2.图象三原色
这是一张猫的图片，如果我要去用神经网络去识别他，我该怎么做呢？假设这张图片的分辨率是1000*1000, 那这张图片就一共有100万个像素点，这时候，对于我们上面的神经网络来说，第一层，也就是输入层，就需要100万个圆圈，也就100万个神经元。
是不是心里觉得有点奇怪，觉得不应该这样做？
事情还没完，计算机储存一张图片是需要去储存它的三原色的，比如一个像素点是红色的，那计算机就会储存它的R（红）值为255，然后G（绿）和B（蓝）值为0。 这意味着什么呢？意思就是，输入数据100万个时，计算机只能知道这个图像的形状，但是要完完整整地把颜色还原，就要输入300万个数据。
奇怪的感觉出来了--这是种很笨的方法，一点也不人工智能。
人体内有300万个神经元吗？我们是怎么快速识别出一张图片的？
没错，我们是一大片一大片地区看这个图片，而不是跑去看到底每个像素点是怎样的。
而让计算机业大片大片去看的方法，就是卷积神经网络了。
卷这个字其实很传神，我把一片像素点卷到一起，把他作为一个输入值放到神经元里去，不就有效地减少输入神经元的数目了吗？
具体怎么卷，就是用的一个数学方法了。
没错，就是积，也就是乘法。所以，卷积神经网络，也就是这字面的意思。
3. 如何积
这张图我偷得我们老师的。看起来是不是云里雾里的不知道怎么回事？
别急，有简单版的。
看，假如一开始我的输入数据是要5x5的方块，我怎样把他卷起来呢？首先，我只要拿出一个3x3的方块，叫做过滤器，也就是图上的Filter，他里面的数值你先别管，既能是固定的也能是浮动的我们下次会讲。然后怎么做呢？我只要用这个过滤器去一步步把5x5方块过一遍就行了。比如，在5x5的方块左上角的九个小方块数字分别是{111，011，001}，那和我的过滤器一乘，就变成了1*1+1*0+1*1+0*0+1*1+1*0+0*1+0*0+1*1 = 4.也就是最右边那个方块里的左上角的4。所以，就通过这样一步步相乘，5x5方块里的信息就被综合到3x3里的去了，我们就成功地完成了输入数据地减少，让计算机学会一片一片地去看。 而刚刚那个我从老师手里偷来的图，就是再加一个过滤器的意思，仅此而已。至于过滤器的数量选择还有里面的数值是啥，我都回在以后讲到。
好了，卷积神经网络一词解释完了，接下来的博文，就是去讲这个理论具体的实现方法了。
网友评论