卷积神经网络重新入门（一）

最近在研究人脸识别，随便看了点opencv就开始搞代码，网上也有很多大牛研究的代码，十几行到几十甚至几百行不等，简单实现人脸识别也不难。但实现效果往往不佳且不稳定。然后就想着把卷积神经网络也加进去一起训练，发现网上也有许多大牛做了相关的内容，把别人的代码粘过来跑一跑，结果报各种错误，各种问题，看了看代码，发现自己好像跟完全没接触过卷积神经网络一样，好吧，自己之前也确实是只接触了几天，然后就渐渐被我全部遗忘了。报的各种错误自己也解决不了，网上解决方法也比较多，说的最多的就是各种版本冲突问题，各种更新conda，换tensorflow版本等等，结果发现都没用，也没有找到真正能解决我问题的方法，既然这样，那就稳扎稳打的自己研究解决吧。呜呜呜呜，好难~~~~~~~~~
——————————————————————————————————————————————
巴拉巴拉半天，进入正题
——————————————————————————————————————————————

卷积神经网络（CNN）入门

1 什么是卷积神经网络（CNN）？

CNN（Convolutional Neural Network）——卷积神经网络，人工神经网络（Neural Network，NN）的一种，其它还有RNN、DNN等类型，而CNN就是利用卷积进行滤波的神经网络。换句话说，CNN就是卷积加神经网络。网上关于CNN的资料非常多，度娘一搜一大堆，良莠不齐，有不少资料过于艰深，对于刚入行的小白来说一上来看这种资料会迷失方向，产生极强的挫折感，有可能会让你失去学习的信心和兴趣。以下是部分关于CNN讲的不错的资料：

2 卷积神经网络详解

这篇是知乎上专栏作者张觉非的文章，有兴趣的可以直接去看原文：卷积神经网络简介，想做大佬们的搬运工。

2.1 卷积

我们在2维上说话。有两个的函数 f(x, y) 和 g(x, y)。f 和 g 的卷积就是一个新的的函数。通过下式得到：

这式子的含义是：遍览从负无穷到正无穷的全部 s 和 t 值，把 g 在 位置上的值乘上 f 在 (s, t) 位置上的值之后“加和”（积分意义上）到一起，就是为 c 在 (x, y) 位置上的值。说白了卷积就是一种“加权求和”。以 (x, y) 为中心，把 g 距离中心 位置上的值乘上 f 在 (s, t) 的值，最后加到一起。把卷积公式写成离散形式就更清楚了：

如果g表示一幅 100×100 大小的灰度图像，g(x,y)取值 [0, 255] 区间内的整数，是图像