cnn卷积神经网络

一. 是什么？

cnn是神经网络的一种，它可以让计算机像人的大脑一样，通过特征点的识别检索从而做出决策，匹配信息。

二. 怎么做？

1. 首先，卷积神经网络分为三层：卷积层，池化层，全连接层。卷积层是用来提取特征的，池化层是为了优化减少数据量，全连接层是根据卷积层提取的特征来匹配。

2. 举个例子，比如说一张照片是怎么呈现在我们眼前的。照片是由像素点组成，而像素点是由数组组成。我们眼中看到的图片在计算机眼里就是一堆数字。像一张400 x 600的彩色照片，就有400 x 600个像素点，彩色照片每个像素点由三个通道组成（rgb,就是三原色可以组合成任意色）

3. 以5 x 5的灰色鸟照片为例，灰色照片每个像素点只有一个通道。现在我们原始矩阵就是一个5*5，我们一般用一个filter矩阵对原始矩阵进行卷积操作。什么意思呢？因为我们现在是在提取特征，就像拿一个放大镜往照片上一个一个地对。我们拿不同的filter过滤器去寻找照片桑有没有对应的特征，如果哪个位置有，我们就以最大的数字填在他们经过卷积后得到的新矩阵中。filter羽毛过滤器就能查找出羽毛位置，filter翅膀过滤器就能查找出翅膀位置。

4. 由卷积层就可以得到关于特征点的特征矩阵，到如果像素过高矩阵维度会很大，因此需要我们池化层来进行特征降维。这里一般把原始特征矩阵分成几个小矩阵，每个小矩阵只取最大的值填入新的低维度矩阵。因为这里值越大说明越是主要特征，我们相当于主要特征都保留了，其余特征去掉也无关紧要，当然，对像素要求比较高的资深玩家降维就会降得少点。

5. 最后通过全连接层进行特征匹配，由翅膀、羽毛、嘴巴等主要特征识别出来了这是一只鸟，判断为一只鸟，决策完成！