深度学习第五次培训（CNN卷积神经网络）

CNN卷积神经网络

卷积神经网络是使用卷积层（Convolutional layers）的神经网络，基于卷积的数学运算。主要应用于计算机视觉的数字图像处理领域，卷积层由一组滤波器组成，滤波器可以视为二维数字矩阵。如下图所示这是一个示例3x3滤波器：**索伯滤波器**（Sobel filter）

卷积的含义 

对图像（不同的数据窗口数据）和滤波矩阵（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的卷积操作，也是卷积神经网络的名字来源。

CNN卷积神经网络层级结构

最左边是数据输入层，对数据做一些处理，比如去均值（把输入数据各个维度都中心化为0，避免数据过多偏差，影响训练效果）、归一化（把所有的数据都归一到同样的范围）、PCA/白化等等。CNN只对训练集做“去均值”这一步。

CONV：卷积计算层，线性乘积 求和。

RELU：激励层，ReLU是激活函数的一种。

POOL：池化层，简言之，即取区域平均或最大。

FC：