CNN卷积神经网络

CNN模型：

 

 

 filter：其实就是矩阵，像其他算法的wight参数等 一样，是需要自动学习出来的

Convolution:卷积层 用filter去进行卷积运算，每一个filter的工作就是去detect某一种pattern，一个filter就可以卷积一次，得到一个future map，可以多个filter。假使有25个filter，那得到的output就有25个channel。

Max Pooling：池化层 把每一个卷积后得到的矩阵即future map，每2*2选一个值（可以是最大值，也可以是平均值），然后构造出一个新的矩阵

一个convolution加一个max pooling就得到一个新的image（变小变厚）

tensor就是高维的vector

 eg：

第一个卷积层之后得到的25*26*26，即是经过第一次卷积运算后得到一个26*26的image，此image的pixel是由一个25维的vector来表示。

得到50*5*5的后，flatten（拉直）一下 得到1250维的vector，再把1250维的vector丢在一个fully connected 的network里面