手写数字识别-手把手教你搭建CNN卷积神经网络

1.CNN卷积神经网络介绍

卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络（一个输入层，一个或多个隐藏层，一个输出层的神经网络，每个神经元都与前一层全连接），它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。

卷积层：

    数学上的卷积操作：

原图： 上图的绿色矩阵，这个是计算机眼中的图片。图片通过矩阵的方式进行表达。
卷积核： 上图的黄色矩阵，这个是卷积核，核的大小可以自定义，2x2、 3x3、5x5都可以的，卷积核里面的权值的不同，提取的特征图也不同，不同的核得到的不同的特征图。
计算方式：矩阵乘法。
特征图：上图粉色部分，卷积操作最后获得的结果。

     卷积操作的作用：完成传统计算机视觉算法的功能，如滤波、强化、提取轮廓、模糊处理等，其实可以将卷积操作看做一种模板匹配的过程。卷积核就是模板，特征图就是就是这个模板匹配的结果显示。

池化层：

  数学上的池化操作