卷积神经网络初探

最近尝试做图像识别，在网上查了一下资料，发现用卷积神经网络方法比较好。既简单，少了很多预处理过程，而且图像识别的精度也比较高，所以决定用CNN来做这次的图像识别。

在正式学习之前，简单对当下几种流行算法做了下对比，选择的比较随机，有遗漏。

下面详细介绍一下卷积神经网络。

卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，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。

与普通神经网络相比，它们都由具有可学习的权重和偏置常量(biases)的神经元组成。每个神经元都接收一些输入，并做一些点积计算，输出是每个分类的分数，普通神经网络里的一些计算技巧到这里依旧适用。不同点在于，卷积神经网络的默认输入是图像，把神经元设计成三个维度 ： width, height, depth。比如输入的图片大小是 32 × 32 × 3 (rgb)，那么输入神经元就也具有 32×32×3 的维度。

 一个卷积神经网络由很多层组成，它们的输入是三维的，输出也是三维的，有的层有参数，有的层不需要参数。

参考：https://blog.csdn.net/qq_25762497/article/details/51052861