卷积神经网络 (CNN) 原理详解与 Keras 实践

0. 前言

卷积神经网络 (Convolutional Neural Network, CNN) 的提出是为了解决传统神经网络的缺陷。即使对象位于图片中的不同位置或其在图像中具有不同占比，CNN 依旧能够正确的处理这些图像，因此在对象分类/检测任务中更加有效。在本节中，我们将使用 Keras 构建卷积神经网络模型进行图像分类，介绍 CNN 的基础知识，并构建 CNN 模型。

1. 卷积神经网络基本概念

在本节中，首先介绍卷积神经网络 (Convolutional Neural Network, CNN) 的相关概念与组成，了解 CNN 的工作原理。

1.1 卷积

卷积是两个矩阵间的乘法——通常一个矩阵具有较大尺寸，另一个矩阵则较小。要了解卷积，首先讲解以下示例。给定矩阵 A 和矩阵 B 如下：

在进行卷积时，我们将较小的矩阵在较大的矩阵上滑动，在上述两个矩阵中，当较小的矩阵 B 需要在较大矩阵