深度学习算法第一篇--CNN

作为深度学习系列的第一篇，从CNN开始。

CNN（convolution neural network）,即卷积神经网络，作为神经网络的一种，尤其在图像处理领域大放异彩，为大家所熟知。网上对CNN的介绍有很多，本篇文章作为自己的学习笔记，也参考了很多网上的资料，有些地方可能理解的不对或者不够透彻，如有发现，请积极指出，在此先谢谢各位大牛！

虽然作为第一篇，但神经网络的相关基础知识，这里就不再赘述，直接进入对cnn算法说明。

CNN作为神经网络的一种，尤其善于处理图像数据，主要是因为CNN通过引入卷积核（或过滤器filter）实现了“空间共享”的概念。因为卷积核的参数是对图像整体而言的，即在整个图片处理过程中的共享的，而非与图片中的每个像素进行关联，这样一来既可以降低模型的参数规模，也可以通过引入不同的卷积核来学习图像的不同feature（例如边缘，棱角等结构），另外通过引入池化层（maxpooling或者averagepooling），去掉卷积操作后的冗余信息，进一步降低参数规模。

CNN的结构如下图表示：

上图是第一个成功应用于手写字体识别的CNN模型结构。

可以看到原始图片首