深度学习常见的基本概念整理

卷积神经网络（CNN） 具有局部互联、权值共享、下采样（池化）和使用多个卷积层的特点。

局部互联 是指每个神经元只感受局部的图像区域，也就是卷积操作。
权值共享 是指当前层所有特征图共用一个卷积核，每个卷积核提取一种特征，参数量明显下降；使用多个卷积核可以提取多种特征。
下采样 每次对输入的特征图错开一行或一列，能够压缩特征图大小，特征降维，提取主要特征，将语义相似的特征融合，对平移形变不敏感，提高模型泛化能力。
使用多个卷积层 能够提取更深层次的特征，组合特征实现从低级到高级、局部到整体的特征提取。

卷积层 任务是检测前一层的局部特征，即用来进行特征提取，用不同的卷积核卷积得到不同的特征，通过多层卷积实现特征的组合，完成从低级到高级、局部与整体的特征提取。例如，图像先提取边缘特征，组合成形状特征，再得到更高级的特征；语音和文本具有相似特征，从声音到语音，再到音素、音节、单词、句子。

下采样（池化）层 对输入的特征图错开行或列，压缩特征图大小，降低参数量和计算复杂度，也对特征进行了压缩，提取主要特征，将语义相似的特征融合起来，对微小的平移和形变不敏感。包括平均池化和最大池化和随机池化，平均池化领域内方差小，更多的保留图像的背