深度学习---卷积神经网络CNN概念及计算过程

一、卷积神经网络的介绍
1、简介：卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是著名的计算机科学家Yann LeCun，目前在Facebook工作，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的人。
2、解决的问题：
分类问题、推荐系统、检测系统、自动驾驶汽车、分割数据监测、人脸识别
二、CPU与GPU
1、CPU中央处理器：解释计算机指令以及处理计算机软件中的数据，读取指令编译并执行。
2、GPU图形处理器：是图形结构的重要元件，是连接计算机和显示终端的纽带。
3、区别
GPU比CPU的计算速度快.CPU是串行，GPU是并行计算，除了图像处理也更多地参与到计算中。
三、卷积神经网络结构
输入层
卷积层（CONV）
激活函数
池化层
全连接层
输出层
①数据输入层
数据预处理：去均值、归一化、PCA降维
②卷积计算层
两个关键操作：
局部关联：每一个神经元可看作一个滤波器
窗口滑动：filter对局部数据计算

（input*filter)+bias—>output

a.padding（填白）
目的：让数据参与计算更平均
为什么填0？