CNN学习笔记（二）

说到CNN，小伙伴们现在可能还对这个概念还比较陌生，不过看了第一篇的概述，想必也有了一个初步的印象，CNN模型可以帮助我们完成对图像分类，人脸识别等任务。
　　回到细节上来。更为详细的 CNN 工作概述指的是你挑一张图像，让它历经一系列卷积层、非线性层、池化（下采样（downsampling））层和完全连接层，最终得到输出。正如之前所说，最好地描述了图像内容的一个单独分类或一组分类的概率。如今，难点在于理解其中每一层的工作方法。我们先来看最重要的部分。
　　
　　１.　卷积层
　　
　　开始我们给计算机输入一张图片，它以三维张量的形式存储着。我们现在要提取特征，本来是从一整张图上去看有没有这一个特征，现在我们缩小范围，只去看一个感受野（receptive field)，比如3×3的一个区域，然后我们可以去在这样一个receptive field上放置很多神经元，去提取不同的特征。这样从原来的一整张图片缩小到一个receptive field，参数就减少了。

当然，我们还要再这张图片的其它地方去寻找特征，我们可以把3×3的receptive field向右平移1个单位，平移的距离就是stride，当然每次移动多少取决于你自己，也可以移动很大一段步长，但是万一你想要的这个特征就在移动步长的这一段，那就没法探测到，就会丢失掉特征，所以步长的设定一般采用1或者2啊，具体要看实际情况。
　　
当然还有另外一种方式,来理解卷积的过程，我们可以使用卷积核在整个图片上移动。输入内容为一个 32 x 32 x 3 的像素值数组，我们使用 5 x 5x 3 的卷积核在这个图上滑过，当然卷积核也是立体的，每一层都对应要扫描过。对应的具体的数学计算是，卷积核中的值会与图像中的原始像素值相乘（又称为计算点积）。这些乘积被加在一起（从数学上来说，一共会有 75 个乘积）。

现在你得到了一个数字，这时只是左上角的一个数字，假设stride是1，我们的卷积核继续滑动，向右平移一个单位，经过卷积计算后再得到一个数（以此类推）,最后我们得到了一个28 x 28 x 1 的数组，我们称之为激活映射（activation map）或特征映射（feature map）,也可以叫特征图。之所以得到一个 28 x 28 的数组的原因在于，在一张 32 x 32 的输入图像上，5 x 5 的卷积核能够覆盖到 784 个不同的位置。这 784 个位置可映射为一个 28 x 28 的数组。简单来说就是（32-5）/1+1,为什么这么计算，下一篇我会详细说明。
我们每使用一个卷积核就会得到一张特征图，如果用64个卷积核，那么我们最后的输出就是28×28×64。其中64就是通道数channels。采用的卷积核越多，空间维度（ spatial dimensions）保留得也就越好，我们能采集到更多的特征。