cnn卷积神经网络

卷积神经网络可以做分类，推荐，识别等

卷积神经网络由如下组成：

•输入层
•卷积层
•激活函数
•池化层

•全连接层

其中输入层，激活函数，全连接层都比较简单在神经网络中有讲解，以下主要说明是卷积层和池化层。

1、卷积层

一个图像是由长宽和rgb深度组成。如下：

左面是每个深度的图像的值，中间是filter，每一个深度一个filter，这里中间是两个深度，方式是矩阵的对应项相乘，再加一起，得到out输出。

可以在外一层加入0，stride=2是加了两层0。

输入和输出的矩阵大小关系如下：

所以卷积层重要参数有：filter个数，大小，步长，边界填充。

卷积层的前向传播和反向传播可以百度一下。

2、池化层

池化层分两个：max和mean

这里是max，指把2*2的矩阵中最大的值拿出来，组成新的值。

mean是指把2*2矩阵的所有值得均值拿出来。

池化层重要参数：矩阵大小，步长，提取方式（mean还是max）

mean前向传播是：平均。[[1,3],[2,2]]到[2]

反向传播是：[2]到[0.5,0.5,0.5,0.5]

max前向传播是：[[1,3],[2,2]]到[3]

反向 传播是：[3]到[[0,3],[0,0]]