深度学习笔记：卷积神经网络（1）

1 卷积神经网络整体结构

卷积神经网络（CNN）相比全连接网络多了卷积层和池化层。对于全连接网络，所有相邻层的神经元都用Affine层进行连接，如图中即为Affine-ReLU的连接组合。

卷积神经网络则包含卷积层和池化层与激活函数相连，其结构如下：

2 全连接层对图象识别的局限性

我们之前一直使用全连接网络识别mnist数据集，但这其实是一个低效的方法。对于28 X 28的图片信息，我们必须将其拉长成1 X 784的数据再传入网络。这一操作不但需要大量神经元作为输入层，而且当我们将二维图片拉伸为一维后，会丢失原图中部分特征信息，如邻近像素值的关系。

CNN可以保留原图二维的形状同时识别图像，从而保留原图中的各类特征。CNN卷积层输入输出数据被称为特征图

3 卷积运算

如图，卷积运算中我们用一个矩阵（被称为卷积核），在图片矩阵中“滑动”，并和图片矩阵重合部分进行内积运算（即将对应位置元素相乘在加和）。最终将各个部分内积结果汇总成一个新的矩阵作为输出特征图

填充（paddling）：通过在原图片矩阵周围拓展0以增大原矩阵形状，这一操作用于控制输出特征图的形状和大小。

如图，使用1的填充，可以使得输出特征图大小和原矩阵一样为4 X 4，这样防止了深度学习中由于不断卷积导致矩阵被不断缩小。

步幅（stride）：步幅为每一次卷积核在图片上移动的步长，步长会对提取到的特征和输出特征图形状有影响

对于一个形状（w,h）的输入图，步幅为S，填充为P，卷积核（cw, ch），输出特征图形状为（(w + 2P - cw) / s + 1, (h + 2P - ch) / 2 + 1）

三维数据卷积运算

对于有多通道的图片（如RGB图片），需要使用和通道数一致的卷积核数量，其得到的特征图通道数恒为1.可以使用多个卷积核分别和图片做卷积运算，将每一个运算得到的特征图累积成一个多通道特征图

如图，对于形状为（C,H,W）的输入图，使用FN个形状为（C,FH,FW）的卷积核，得到形状为（FN,OH,OW）的输出特征图

4 批处理

和全连接网络的批处理类似，卷积神经网络批处理数据为4维数据，按照（batch_num, channel, height, width）的顺序保存数据

池化层

池化层会缩小特征图长宽方向上大小，其作用为将一片区域内的元素缩为一个元素。如Max池化取该区域内最大值，而Average池化取区域所有元素平均值。（在图像识别中我们一般使用max池化）

一般来说，我们池化窗口的大小和卷积核步幅设为相同值，如下图中池化层窗口为2 X 2，同时卷积核步幅也为2

池化层不存在参数，因此不需要进行学习。另外池化层不会改变输入输出的通道数。对输入特征图的每一个通道池化层会单独处理

python实现卷积层和池化层

实现卷积层可以使用im2col函数，该函数将批处理的4维数据转换为2维矩阵以适合滤波器（权重）。如对于通道为3的7X7数据。im2col展开结果为

im2col的参数

def im2col(input_data, filter_h, filter_w, stride=1, pad=0):
    """

    Parameters
    ----------
    input_data : 由(数据量, 通道, 高, 长)的4维数组构成的输入数据
    filter_h : 滤波器的高
    filter_w : 滤波器的长
    stride : 步幅
    pad : 填充

    Returns
    -------
    col : 2维数组
    """
    N, C, H, W = input_data.shape
    out_h = (H + 2*pad - filter_h)//stride + 1
    out_w = (W + 2*pad - filter_w)//stride + 1

    img = np.pad(input_data, [(0,0), (0,0), (pad, pad), (pad, p