卷积神经网络（CNN）的训练过程（Training）

在初识神经网络（初识卷积神经网络CNN）篇，对卷积神经网络有了基本的认识。

不过也可以发现一个问题，输入是一张Image，数据信息是确定的；但CNN网络中的数据从哪来？

总不能随便放一个数到CNN网络里，进行图像识别；

想要CNN网络进行正确的识别工作，CNN网络中的数据（weights）需要进行事先训练；那怎么训练这些数据，才能让CNN网络正常工作呢？

这里举一个简单的神经网络例子，说明如何训练CNN网络中的数据（weights）：

1 定义基础的神经网络模型：

下图是一个简单的神经网络模型：

（1）该神经网络由两个Fully-connected layers组成：

第一层Fully-connected layer，有两个kernels，第二层Fully-connected layer也是两个kernels，且大小均为2*1*1

（2）该神经网络的输入：

是由两个数据组成的Ifmap（Input Feature Map），大小为2*1*1

（3）将此Ifmap输入到该神经网络中，得到最后的输出类目：o1和o2

Ifmap—>神经网络—>o1,o2

2 初始化该神经网络

想要这个神经网络跑起来，已经有了输入的Ifmap数据，但是缺少神经网络中神经元的信息；所以，首先我们要进行初始化

初始化该神经网络中的4个kernels；由于是全连接层神经网络，该4个kernels的大小均为2*1*1，即2*1*1*4=8个数据

初始化4个kernels的偏置参数bias

给这8+4=1