CNN学习小结

　　基本完成了CNN基础知识和框架的学习，纸上得来终觉浅，所以总结一下，输出一下，变成自己的东西．

　　主要参考博客：https://blog.csdn.net/rogerchen1983/article/details/79353861

                                    https://blog.csdn.net/liufanghuangdi/article/details/81188283

                                    https://blog.csdn.net/justdoithai/article/details/51170441

　　　　　　　　　https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-06-save/

当然下面很多内容也会摘自这些博客，详细了解请点击链接．

　　　CNN：Convolutional Neural Networks,卷积神经网络．所以分成两部分来整理．卷积－神经网络．

---

                                                                             卷积

---

又名滤波器（filter）,核（kernel）,用来从图片中提取特征信息．

• 为什么使用卷积处理一下图片，而不是像神经网络一样，直接输入像素点呢？

答：首先我们人眼看到的图像和保存在计算机中的图像分别如下所示．

如果图片发送旋转或收缩，计算机看到的世界是不是就完全不同了呢.如果使用像素比对的方式，可能同一语义图片会得出不同的结果．另外，如果图片不进行处理，直接输入到神经网络，随着图片尺寸的增大，像素点增加，参数将会变得非常多，计算量也会相当大．

在CNN中提出了＂局部感受野＂的概念（降低计算量的利器），卷积是对图片上小块区域的特质进行提取，也就是神经网络不再是对单独的像素点进行处理，而是对小块的像素区域进行处理．这样加强了神经网络对图片的理解．而我们人类对外界的认知一般是从局部到全局，先对局部有感知的认识，再逐步对全体有认知，这是人类的认识模式。在图像中的空间联系也是类似，局部范围内的像素之间联系较为紧密，而距离较远的像素则相关性较弱。因而，每个神经元其实没有必要对全局图像进行感知，只需要对局部进行感知，然后在更高层将局部的信息综合起来就得到了全局的信息。

 

• 卷积在ＣＮＮ中是如何工作的呢，产生的效果是什么样的呢

过滤器的主要作用是：提取图片中的特征．

过滤器大小一般为n*n(n<10)的像素块．仍以小狗为例，过滤器会在图片上从头到尾“滑过”一遍．每滑到一个地方就会把该处的特征提取出来．

　　　以灰度化图片为例：

图片：　　　　　滤波器：

　　　我们用橘色过滤器中的每一个值，与绿色矩形框中的对应值相乘、再相加，过程如下图所示，４即为提取出的特征（具体意义是什么呢，我也不清楚）

　　

经过特征提取后，所得结果如下图所示：

经过过滤器处理后，图片变成什么样子了呢？

这次，我们回到之前的例子中。

仍以这张萌狗为例，它经过“过滤器”提取特征后，得到的是一张……哦，好吧……看起来有点儿模糊的图。

虽然图片模糊了，但是图片中的主要特征，已经被过滤器全部提取出来，单凭这么一张模糊的图，作为人类的我们，足以对它做出判断了。（谁敢说它是一只猫？！）

下面，我们再换几个过滤器试试。

这些就是经过过滤器提取后，得到的不同“特征图片”。

在原图片上施加不同的＂过滤器＂，就会得到不同的＂特征图片＂．这也是为什么莫烦说经过卷积后，图像的＂深度＂增加了．

---

• 在我们的卷积神经网络中，应该选取什么样的＂过滤器＂呢

上面举例说明的＂过滤器＂内部值是固定的，但是在ＣＮＮ中，filter内部的值是自己学来的，至于具体是多少，可能不像上面那么规律．

在ＣＮＮ中只要指定filter的大小，个数，每次滑动步数,是否补零即可．具体怎么指定将会在下偏代码分析中说明．

• 经过卷积后呢，貌似与原图比输入神经网络的像素点并没有减少．

这个时候，就该＂池化pooling＂出场了．在池化之前，还要说一嘴激活函数，其真实作用我也不太理解，只是大神们都这样说：

上面这种对应数值相乘、再相加的计算，仅仅是“线性”计算；

而在现实世界中，很多很多的数据，都是“非线性”的。

所以，在“卷积”处理的后面，我们常常引入一个“非线性”的计算，来使得数据更加接近真实世界。

在卷积中，较常用的激活函数为tf.nn.relu,至于为什么，我也不知道．

该说＂池化＂了．

所谓“池化”，就是在保留图片主要信息的前提下，将图片的尺寸缩小。  怎么样保存图片足要信息呢，也是分快来操作．比如２＊２的像素为一块，如果采用＂最大池化＂的方法，则保存四个像素中的最大值．这也是较长用的池化方法．此外还有：诸如“平均池化”、“求和池化”等等，它们的运算原理基本一致。

在程序中也是定义其滑动跨步，池化方法即可．

经过一系列处理后，图片变成了什么样呢．好像还能看出来原本的样子，但计算机get到的变化可远比我们多多了．

当然，整个一波操作可以多来几次，那么图片也会边小，深度（信息）也会增多．

把大神的话也放上吧，很有价值的．看了它我才明白程序的意思

★ 在“池化”层中，仅有1个过滤器；而在“卷积”层中，可以设置多个过滤器

因为“卷积”层的过滤器，其功能是提取图片的特征，因而，我们使用不同的过滤器，可以提取不同的图片细节。

而“池化”层的过滤器，仅仅是为了缩小图片的尺寸，因而，使用一种过滤器，就可以达到这一目标，无需设置多个。

②  经过“卷积”处理后，得到的图片张数（即“图片深度”），应该等于该卷积层的过滤器个数；

而经过“池化”处理后，得到的图片张数（即“图片深度”），仍等于上一层的图片张数。

概念描述比较晦涩，直接看下图：

（点击图片，查看大图）

当仅有1个卷积层时，关于每一层的图片深度问题，尚且好理解（如上图所示）。

---

　　　　　　　　　　　　　　　　　　　　　　　　神经网络

---

经过上面的处理后，图片的大小变笑了，深度增加了．但这都是同一张图片的信息．所谓全链接即把多维的特征图片平铺连接成一列．

此时，将这一个个的像素值，塞到我们初中就已接触过的表达式中．x为一个一个的像素值，y为图像的标签．为我们希望计算机学到的参数．有了这个参数，我们也就可以处理新的没有标签的图片了．

在ＣＮＮ中，由全连接神经网络帮我们找到这些参数值．将图片信息输入到神经网络层找到图片与标签的关系，学习到输入－输出的关系．

（全链接神经网络是指每一个输入和每一个神经元都进行连接．图示中未画出）

① “全连接神经网络”可以帮助我们学习到参数θ。有了它，下一次再给计算机“看”图片时，计算机便会自动识别出图中的景象。

② 模型得到的最终结果，表示“图片为某种类别的概率”。注意：这里的概率之和，永远为1。

例如：

即计算机“判断”，最初输入的图片为“狗”。

我们将CNNs的所有流程，整合起来，即：

 

---

　　　　　　　　　　　　　　　　　　　　　　　　　结束语

---

至此，对ＣＮＮ的理解就基本总结完了，其中有很多都摘自大神的博客，所以就把自己的总结标记成转载吧．

其实，总结到此，自己还是一知半解，一些问题待日后解答．

１．filter里面的数值是根据什么来调整的，不同filter后图片会变成什么样子呢？

２．是不是在分类中，标签要分为限定的几种，然后输出的结果会是这些标签的概率？

３．在输入ＣＮＮ前，要非类的图片需要进行预处理吗，和训练集中的图片特性有什么关系？