CNN 卷积神经网络 chap-5 学习笔记

1. FNN与CNN有哪些区别

在 FNN 部分所推导的正则化技巧方面，我们将会观察需要对 CNN 做出哪些修改？
FNN:常规前馈神经网络 该网络不考虑输入数据可能具备的任何特定结构。
CNN:卷积神经网络，是一种深层前馈神经网络。

2. CNN要干什么事?

参考 https://blog.csdn.net/v_JULY_v/article/details/51812459

上图中CNN要做的事情是：给定一张图片，是车还是马未知，是什么车也未知，现在需要模型判断这张图片里具体是一个什么东西，总之输出一个结果：如果是车 那是什么车?
(1) 最左边是数据输入层:
对数据做一些处理，比如去均值（把输入数据各个维度都中心化为0，避免数据过多偏差，影响训练效果）、归一化（把所有的数据都归一到同样的范围）、PCA/白化等等。CNN只对训练集做“去均值”这一步。
(2) 中间是CONV：
卷积计算层，线性乘积 求和。
RELU：激励层
POOL：池化层，简言之，即取区域平均或最大。
(3) 最右边是
FC：全连接层

2.1 CNN又怎么进行识别呢？

例如，给出“X”的一张图片