定义一个卷积核：卷积核是一个小的矩阵

一、前言

　　通过上一篇文章，我们大概了解了卷积是什么，并且分析了为什么卷积能在图像识别上起到巨大的作用。接下来，废话不多话，我们自己尝试动手搭建一个简易的CNN网络。

二、准备工作

　　在开始的时候，我们首先概括一下卷积所需要进行的工作：

1. 定义一个卷积核：卷积核是一个小的矩阵（例如3x3或5x5），包含一些数字。这个卷积核的作用是在图像中识别特定类型的特征，例如边缘、线条等，也可能是难以描述的抽象特征。
2. 卷积核滑过图像：卷积操作开始时，卷积核会被放置在图像的左上角。然后，它会按照一定的步长（stride）在图像上滑动，可以是从左到右，也可以是从上到下。步长定义了卷积核每次移动的距离。
3. 计算点积：在卷积核每个位置，都会计算卷积核和图像对应部分的点积。这就是将卷积核中的每个元素与图像中对应位置的像素值相乘，然后将所有乘积相加。
4. 生成新的特征图：每次计算的点积结果被用来构建一个新的图像，也称为特征图或卷积图。
5. 重复以上过程：通常在一个 CNN 中，我们会有多个不同的卷积核同时进行卷积操作。这意味着我们会得到多个特征图，每个特征图捕捉了原始图像中的不同特征。

　　上图中间的矩阵就是所谓的卷积核，又称为滤波器。这个滤波器可以帮助我们观测到一定区域大小的像素信息，并且通过卷积计算，变成”低频“的信息特征，比如上面我们提到的一些图像的边缘，纹理等等。当权重系数（卷积核）的参数改变时，它可以提取的特征类型也会改变。所以训练卷积神经网络时，实质上训练的是卷积核的参数。如下图所示，是一次卷积计算的过程：

　　一个内核从图像的左上角开始滑动，将核所覆盖的像素值与相应的核值相乘，并对乘积求和。结果被放置在新图像中与核的中心相对应的点处。上面的235其实就是计算所得出的灰度值，当一个内核走完整个图片之后，得出的结果大概是这样子：

三、CNN架构

　　当只有一层CNN结构时，一般都会有如下几个层级，来帮助我们进行一次卷积，训练对应的特征。

• 输入层（Input Layer）：

　　　　输入层负责接收原始数据，例如图像。每个节点对应输入数据的一个特征。

• 卷积层（Convolutional Layer）：

　　　　卷积层是CNN的核心。它通过应用卷积操作来提取图像中的特征。每个卷积层包含多个卷积核（也称为滤波器），每个卷积核负责检测输入中的不同特征。卷积操作通过滑动卷积核在输入上进行计算，并生成特征图。

• 激活函数层（Activation Layer）：

　　　　在卷积层之后，一般会添加激活函数，例如ReLU（Rectified Linear Unit），用于引入非线性性。这有助于模型学习更复杂的模式和特征。

• 池化层（Pooling Layer）：

　　　　池化层用于减小特征图的空间维度，降低计算复杂度，并减少过拟合风险。常见的池化操作包括最大池化和平均池化。

• 全连接层（Fully Connected Layer）：

　　　　全连接层将前面层的所有节点与当前层的所有节点连接。这一层通常用于整合前面层提取的特征，并生成最终的输出。在分类问题中，全连接层通常输出类别的概率分布。

• 输出层（Output Layer）：

　　　　输出层给出网络的最终输出，例如分类的概率分布。通常使用

https://www.bilibili.com/read/cv32911818/
https://www.bilibili.com/read/cv32909725/
https://www.bilibili.com/read/cv32910298/
https://www.bilibili.com/read/cv32915294/
https://www.bilibili.com/read/cv32915343/
https://www.bilibili.com/read/cv32915382/
https://www.bilibili.com/read/cv32915437/
https://www.bilibili.com/read/cv32915539/
https://www.bilibili.com/read/cv32915608/
https://www.bilibili.com/read/cv32915669/
https://www.bilibili.com/read/cv32915709/
https://www.bilibili.com/read/cv32915754/
https://www.bilibili.com/read/cv32915799/
https://www.bilibili.com/read/cv32915836/
https://www.bilibili.com/read/cv32915868/
https://www.bilibili.com/read/cv32915947/
https://www.bilibili.com/read/cv32915997/
https://www.bilibili.com/read/cv32916031/
https://www.bilibili.com/read/cv32916905/
https://www.bilibili.com/read/cv32916958/
https://www.bilibili.com/read/cv32917039/
https://www.bilibili.com/read/cv32917159/
https://www.bilibili.com/read/cv32917293/
https://www.bilibili.com/read/cv32917398/
https://www.bilibili.com/read/cv32917505/
https://www.bilibili.com/read/cv32917576/
https://www.bilibili.com/read/cv32917611/
https://www.bilibili.com/read/cv32917758/
https://www.bilibili.com/read/cv32917808/
https://www.bilibili.com/read/cv32911944/
https://www.bilibili.com/read/cv32912015/
https://www.bilibili.com/read/cv32912052/
https://www.bilibili.com/read/cv32912077/
https://www.bilibili.com/read/cv32912177/
https://www.bilibili.com/read/cv32912219/
https://www.bilibili.com/read/cv32912253/
https://www.bilibili.com/read/cv32912326/
https://www.bilibili.com/read/cv32914739/
https://www.bilibili.com/read/cv32914734/
https://www.bilibili.com/read/cv32914727/
https://www.bilibili.com/read/cv32914721/
https://www.bilibili.com/read/cv32914713/
https://www.bilibili.com/read/cv32914704/
https://www.bilibili.com/read/cv32914701/
https://www.bilibili.com/read/cv32914693/
https://www.bilibili.com/read/cv32914689/
https://www.bilibili.com/read/cv32914686/
https://www.bilibili.com/read/cv32914684/
https://www.bilibili.com/read/cv32913919/
https://www.bilibili.com/read/cv32913885/
https://www.bilibili.com/read/cv32913866/
https://www.bilibili.com/read/cv32913831/
https://www.bilibili.com/read/cv32913810/
https://www.bilibili.com/read/cv32913780/
https://www.bilibili.com/read/cv32913743/
https://www.bilibili.com/read/cv32913708/
https://www.bilibili.com/read/cv32913653/
https://www.bilibili.com/read/cv32913618/
https://www.bilibili.com/read/cv32913596/
https://www.bilibili.com/read/cv32913583/
https://www.bilibili.com/read/cv32913565/
https://www.bilibili.com/read/cv32913545/
https://www.bilibili.com/read/cv32913526/
https://www.bilibili.com/read/cv32913503/
https://www.bilibili.com/read/cv32913463/
https://www.bilibili.com/read/cv32913435/
https://www.bilibili.com/read/cv32913420/
https://www.bilibili.com/read/cv32913400/
https://www.bilibili.com/read/cv32913390/
https://www.bilibili.com/read/cv32913371/
https://www.bilibili.com/read/cv32913350/
https://www.bilibili.com/read/cv32913325/
https://www.bilibili.com/read/cv32913301/
https://www.bilibili.com/read/cv32913270/
https://www.bilibili.com/read/cv32913241/
https://www.bilibili.com/read/cv32913194/
https://www.bilibili.com/read/cv32913165/
https://www.bilibili.com/read/cv32913147/
https://www.bilibili.com/read/cv32913129/
https://www.bilibili.com/read/cv32913118/
https://www.bilibili.com/read/cv32913097/
https://www.bilibili.com/read/cv32913083/
https://www.bilibili.com/read/cv32913058/
https://www.bilibili.com/read/cv32912741/
https://www.bilibili.com/read/cv32912718/
https://www.bilibili.com/read/cv32912694/
https://www.bilibili.com/read/cv32912527/
https://www.bilibili.com/read/cv32916868/
https://www.bilibili.com/read/cv32917248/
https://www.bilibili.com/read/cv32917859/
https://www.bilibili.com/read/cv32918364/
https://www.bilibili.com/read/cv32918180/
https://www.bilibili.com/read/cv32918205/
https://www.bilibili.com/read/cv32918220/
https://www.bilibili.com/read/cv32918254/
https://www.bilibili.com/read/cv32918382/
https://www.bilibili.com/read/cv32918422/
https://www.bilibili.com/read/cv32918454/
https://www.bilibili.com/read/cv32918499/
https://www.bilibili.com/read/cv32918777/
https://www.bilibili.com/read/cv32918805/