TensorFlow学习（8）卷积神经网络CNN

传统神经网络权值太多，计算量太大，需要大量样本进行训练，根据经验，一般来说样本的数量最好是权值数量的 5 - 30 倍，如 有1万个权值，最好有5万-10万个样本来训练

局部感受野

他们发现了每一个视觉神经元只会处理一小块区域的视觉图像，即感受野（Receptive Field）。卷积神经网络的概念即出自于此。

卷积神经网络CNN

第一个卷积特征由黄色区域计算：1*1+1*0+1*1+0*0+1*1+1*0+0*1+0*0+1*1=4

多个卷积核

经过不同的卷积核得到不同的特征图，所以我们可以认为不同的卷积核可以对不同的特征进行采样，不同的特征对图片的分类有很大的作用，单一的特征可能会影响分类的效果

对卷积的操作

SAME PADDING 和 VALID PADDING

参考：TensorFlow中CNN的两种padding方式“SAME”和“VALID”

卷积后一般会加上池化层进行池化操作

池化

对于池化的操作

处理过程