神经网络学习--用卷积神经网络进行图像识别

目录

卷积神经网络（Convolutional Nerual Network,CNN）

为什么计算机可以处理图--因为在计算机语言中图片可以用数字化，用四维数组来表示

卷积层定义

卷积层计算的代码实现

卷积神经网络（Convolutional Nerual Network,CNN）

卷积神经网络特别适合处理像图片、视频、音频、语言文字等，这些与相互位置有一定关系的数据。

卷积神经网络与多连接神经网络一样，都属于神经网络的一种类别，只是多连接神经网络的隐藏层的特点是称为多连接层的该层上的每一个节点与上一层的全部节点是全连接的关系，卷积神经网络的隐藏层上的每一个节点与上一层的全部节点直接并非是全部连接的关系，而是仅与一部分的节点有连接。

 

为什么计算机可以处理图片

--因为在计算机语言中图片可以用数字化，用四维数组来表示

既然卷积神经网络可以处理图片，那么我们就要理解图片在计算机语言中是如何表达的。图片其实是“点阵”图，由一个个点按照一定的顺序组合而成，那我们就可以联想到一个概念--数组。

图片可以分为三类：纯黑白图片、灰度图片、彩色图片

关于图片数字化，以最简单的纯黑白图片为例，我们可以用二维数组--矩阵来表示，比如h×w，高度h代表该点阵有多少行，也可以理解成每列有多少点；宽度w代表该点阵每行有多少点；通常我们说的摄像头是多少万像素，其实就是这个摄像头拍出来的照片保存成“点阵”图后的高度h和宽度w相乘的结果，如1900万×1