初识卷积神经网络(CNN)

卷积神经网络：Convolutional Neural Networks

卷积层用来识别图片里的空间模式，例如线条和物体局部，之后的最大池化层则用来降低卷积层对位置的敏感性。

从之前的学习中我们了解到，计算机在识别图片时，学习到的初级特征往往是一些线条，而利用卷积神经网络可以帮助模型更快地发现特征线条。

识别图片里的空间模式，例如线条和物体局部

“卷积”的过程很简单：如上图所示，将原始图像（左）乘以一个筛子（中）后，即可得到处理后的结果。

如下图所示，可以利用该筛子找到原图像中的垂直线条。

当然，通过设置筛子中的数值，还可以找到水平的、45度的线条等。

Padding

上述的“卷积”处理过程会将图像形状改变，如从6x6变成了4x4；并且原始图像中间的像素点比边缘的像素点用到了更多次；Padding正是为了应对该现象。如下图所示，该padding 在原始图像像素周围加了一圈零像素点。

Strided Convolutions

Stride指的是筛子在移动过程中的步幅，前面虽然没说，但其实它们的stride为1。当面我们可以设置stride为任意我们想要的值。过筛后的图片形状为