卷积神经网络(CNN)模型结构

　　　　在前面我们讲述了DNN的模型与前向反向传播算法。而在DNN大类中，卷积神经网络(Convolutional Neural Networks，以下简称CNN)是最为成功的DNN特例之一。CNN广泛的应用于图像识别，当然现在也应用于NLP等其他领域，本文我们就对CNN的模型结构做一个总结。

　　　　在学习CNN前，推荐大家先学习DNN的知识。如果不熟悉DNN而去直接学习CNN，难度会比较的大。这是我写的DNN的教程：

深度神经网络（DNN）模型与前向传播算法

深度神经网络（DNN）反向传播算法(BP)

深度神经网络（DNN）损失函数和激活函数的选择

深度神经网络（DNN）的正则化

1. CNN的基本结构

　　　　首先我们来看看CNN的基本结构。一个常见的CNN例子如下图：

　　　　图中是一个图形识别的CNN模型。可以看出最左边的船的图像就是我们的输入层，计算机理解为输入若干个矩阵，这点和DNN