深度学习、图像分类入门，从VGG16卷积神经网络开始

刚开始接触深度学习、卷积神经网络的时候非常懵逼，不知道从何入手，我觉得应该有一个进阶的过程，也就是说，理应有一些基本概念作为奠基石，让你有底气去完全理解一个庞大的卷积神经网络：

本文思路：

一、我认为学习卷积神经网络必须知道的几个概念：

1、卷积过程：

  我们经常说卷积神经网络卷积神经网络，到底什么才是卷积？网络层卷积过程到底怎么实现？我们在这里借鉴了另一位博客大牛的动态图来给大家演示一下，

  图作者文章在此：http://blog.csdn.net/silence1214/article/details/11809947

我们可以看到，卷积过程其实还是基于一个固定的矩阵，在另外一个矩阵不断一格一格扫过去的到的数值的和，（注意：这里的一格一格非常重要，因为涉及后面的概念：步长→我们不妨想一想当固定矩阵不是一格一格前进的时候，会发生什么呢？）产生的一个新的矩阵，我们以作为比较会发现：粉红色矩阵和绿色矩阵在根本上有很大不一样，

第一，卷积之后的维数降低了；第二，我们要想想为什么降维了？（思考：降低维度到底有没有规律？）

  答案是有的：我们发现橙色的固定框为3*3，绿色是5*5，出来是三乘三；

  所以规律可以得到：粉红色最后的卷积结果矩阵维度=绿色矩阵维数-橙色矩阵维数+1

  （我们又应该思考：如果我不想最后减少维度，我只希望卷积，怎么办呢？）

2、两层之间的池化：

  我们依然延用博客大牛的另一个动图（再次点赞做的精细准确！）

我们可以发现其实跟之前没什么不一样：还是以三个矩阵之