CNN卷积神经网络 知识点总结

参考知乎文章：卷积神经网络（CNN）详解 - 知乎 (zhihu.com)

下面是精炼版本。

1、卷积神经网络结构

        卷积核大小：n*n,一般采用3*3

        与常规神经网络不同，卷积神经网络的各层中的神经元是3维排列的：宽度、高度和深度。宽度和高度是很容易理解的，深度是卷积核的个数。

图1 全连接神经网络与卷积神经网络的对比

2、构建卷积神经网络的各种层

卷积神经网络主要由这几类层构成：输入层、卷积层，ReLU层、池化（Pooling）层和全连接层。

2.1 卷积层

卷积层作用：

1. 网络会让滤波器学习到当它看到某些类型的视觉特征时就激活，具体的视觉特征可能是某些方位上的边界，或者在第一层上某些颜色的斑点，甚至可以是网络更高层上的蜂巢状或者车轮状图案。

2. 可以被看做是神经元的一个输出。神经元只观察输入数据中的一小部分，并且和空间上左右两边的所有神经元共享参数（因为这些数字都是使用同一个滤波器得到的结果）。

3. 降低参数的数量。这个由于卷积具有“权值共享”这样的特性，可以降低参数数量，达到降低计算开销，防止由于参数过多而造成过拟合。