卷积神经网络

1.卷积神经网络的原理和结构

       卷积神经网络中的主要层结构主要包含三个：卷积层、池化层和全连接层、通过堆叠这些层结构形成了一个完整的卷积神经网络结构，卷积神经网络将原始图片转换成最后的类别得分，其中一些层包含参数，一些层不包含参数，比如卷积层和全连接层包含参数，而激活层和池化层不包含参数。这些参数通过梯度下降法来更新，最后使得模型尽可能正确的识别出图片类别。

1.1卷积层

       卷积层是卷积神经网络的核心， 大多数计算都是在卷积层进行的。

1.2池化层

        池化层的作用是逐渐降低数据体的空间尺寸，这样就能减少网络中的参数数量，减少计算资源耗费，同时也能有效控制过拟合。

1.3全连接层

      全连接层和之前介绍的一般的神经网络的结构是一眼的，每个神经元与前一层所有的全部连接，而卷积神经网络只和输入数据中的一个局部区域连接，并且输出的神经元每个深度切片共享参数。