卷积神经网络 学习笔记

卷积神经网络，是深度学习网络的一个分支，常用于硬件。

输入层：输入图像

卷积层：特征提取    用来识别这些特定线条    对应人眼看线条        https://ujwlkarn.files.wordpress.com/2016/08/giphy.gif?w=748
池化层：降低尺寸    用来减小图像的数据量，提升识别效率      对应将看到的线条进行组装
全连接层：计算并输出    做最后的识别判断    对应人眼识别组装后的图像

下一步：搞定流程性的工作，卷积和池化等采样方法的原理，或者各种激活函数优化方法的选择（也就是尝试数据），必须搞明白。

流程：输入一个矩阵，做卷积（激活）运算，是做特征提取，可将低维特征抽象到高维特征，池化这些特征数据做采样。全连接是将所有层的输出连接起来，是对数据特征空间做线性变换等等。

低维数据特征：一个猫的具体细节特征（线条）

高维：猫类共同特征

输入一个矩阵进去，经过各种各样线性非线性卷积池化变换，最后为什么会得到这样的输出，神经网络（nn）内部是发生了什么？根本原理如何？诸如此类问题，搞不明白是正常现象，算法本身即黑箱模型。