卷积神经网络小结

毕设老师给我们讲了许多人工智能相关的知识，发现网上学的东西确实存在局限，没有办法对误区进行交流。
写一下体会：

卷积神经网络的训练是拟合和逼近一个复杂函数的过程，这个复杂函数就是输入-规则-输出中的规则

卷积核

1. 定义：
   图像处理时，在给定输入图像中一个小区域中像素加权平均后成为输出图像中的对应像素，进行权值定义的函数
2. 特点：DNN深度神经网络和CNN卷积神经网络卷积核类似
3. 组成
   例如：一个(3,3,64,32)的卷积核意思是：卷积核高度、卷积核宽度、输入通道数、输出通道数
   具体意思是：32个64通道数的3*3的卷积核和输入进行卷积 输出32个卷积结果。
4. 作用：

卷积过程

• 输入图像是一个n * n像素的，如果卷积核是3 * 3的，每次平移步长为1，那么输出图像是一个（n-2）*（n-2）的图像
• 本质过程：将卷积核规定的区域大小在输入图像上进行逐行平移，并每次将区域内像素通过卷积核规定的不同位置的权值进行运算，最后得到一个运算后的像素点，将每次运行的对应的像素点组成的新的图像就蕴含从原图像提取的特征

5. 卷积层负责提取特征，采样层负责特征选择，全连接层负责分类

参考文章

1. 什么是卷积核？
2. 卷积核-百度定义