莫凡Python学习笔记——PyTorch 动态神经网络（五）：卷积神经网络

内容原文：https://morvanzhou.github.io/tutorials/machine-learning/torch/
一、什么是卷积神经网络CNN（深度学习）

卷积神经网络也近些年来逐步兴起的一种人工神经网络，因为利用卷积神经网络在图像和语音识别方面能够给出更好的预测结果，所以这一技术也被广泛的传播可利用。卷积神经网络最常被应用的方面是图像识别，不过现在在视频分析，自然语言处理，药物发现等等都有了比较多的应用，很火的Alpha Go，也是利用了卷积神经网络，让计算机看懂围棋。

卷积神经网络如何运作？
神经网络都是有一系列的神经层组成，每一层又存在很多神经元，我们的数据就是经过这一个个神经元的处理从而得到我们最后的结果的。
当输入数据是一张图片的时候，计算机看到的并不是一个个图像，而是一组数据，让计算机面对这样一组数据的时候，卷积神经网络便有了优势。
卷积？
卷积神经网络的卷积就是说，计算机在处理数据的时候并不是一个个像素点去处理，而是将图片分成一个个的小区域，让计算机去处理一个个区域，这样计算机就可以看到图像了，增强了计算机输入数据的连续性，同时增强了计算机对于整张图片的理解。

卷积神经网络有一个批量过滤器，持续不断的在图片上滚动收集图片的信息，每一次收集来的信息只是一小块像素区域，然后把收集来的信息进行整理，然后使信息有一个实际上的呈现，比如说计算机就可以看到图片的边缘信息，然后再以同样的步骤，用类似的批量过滤器扫过产生的这些边缘信息，神经网络利用这些边缘信息总结出更高层次的信息，比如，可利用这些边缘信息画图鼻子眼睛等轮廓，再经过一次过滤，脸部的信息也从这些边缘信息中总结出来，然后再把这些信息套入普通的全连接神经网络进行分类，这样就能得到输入的图片能够分为哪一类的结果了。