PyTorch学习之卷积神经网络

一、卷积神经网络基本概念

• 卷积神经网络（Convolutional Neural
  Network,CNN）主要使用在处理图像和视频分析的各种任务上，比如图像分类，人脸识别、物体识别、图像分割等。
• 三个观点：
  局部性：图片特征只存在局部；
  不变性：图片进行下采样，图片性质保持不变。
  相同性；

二、卷积神经网络主要层结构

1、卷积层
（1）卷积层是卷积神经网络的核心

（2）卷积神经网络的参数是由一些科学系的滤波器集合构成的，每一个滤波器在空间（高和宽）都比较小，深度和输入数据保持一致。在前向传播时，让每个滤波器都在输入数据的高度和宽度上滑动（卷积），然后计算整个滤波器和输入数据任意一处的内积。

（3）滤波器沿着输入数据的高度和宽度滑动时，会产生一个二维的激活图，表示了原图对滤波器的反应。在每个卷积层上，会有一整个集合的滤波器，比如20个，这样会形成20张二维的、不同的激活图，这些激活图在深度方向上层叠起来就形成了卷积层的输出。
几个小滤波器卷积层比一个大的滤波器卷积层要好，因为效地卷积组合能够对输入数据表达出更有力的特征，同时使用的参数也更少。

（4）感受野：与神经元连接的空间大小就叫做神经元的感受野，大小是人为设置的超参数，就是滤波器的宽和高，深度和输入数据的深度一致。

（