终于有人把卷积神经网络（CNN）讲明白了

导读：深度学习作为人工智能的一个分支，在计算机视觉处理方面取得的巨大成就，与深度学习中的算法及方法密切相关，如卷积神经网络、反向传播算法、正则化方法、迁移方法等。其中很多方法具有普遍性，在自然语言处理中也得到了广泛应用。本文将介绍卷积神经网络。

作者：吴茂贵 王红星

来源：大数据DT（ID：hzdashuju）

传统神经网络层之间都采用全连接方式，如果采样数据层数较多，且输入又是高维数据，那么其参数数量可能将是一个天文数字。

比如训练一张1000×1000像素的灰色图片，输入节点数就是1000×1000，如果隐藏层节点是100，那么输入层到隐藏层间的权重矩阵就是1000000×100！如果还要增加隐藏层，进行反向传播，那结果可想而知。不止如此，采用全连接方式还容易导致过拟合。

因此，为更有效地处理图片、视频、音频、自然语言等数据信息，必须另辟蹊径。经过多年不懈努力，人们终于找到了一些有效方法及工具。其中卷积神经网络就是典型代表。

01 卷积网络的一般架构

卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，最早在1986年BP算法中提出。1989年LeCun将其运用到多层神经网络中，但直到1998年LeCun提出LeNet-5模型，神经网络的雏形才基本形成。

在接下来近十年的时间里，对卷积神经网络的相关研究一直处于低谷，原因有两个：一是研究人员意识到多层神经网络在进行BP训练时的计算量极大，以当时的硬件计算能力完全不可能实现；二是包括SVM在内的浅层机器学习算法也开始崭露头角。

2006年，Hinton一鸣惊人，在《科学》上发表名为Reducing the Dimensionality of Data with Neural Networks的文章，CNN再度觉醒，并取得长足发展。2012年，CNN在ImageNet大赛上夺冠。

2014年，谷歌研发出20层的VGG模型。同年，DeepFace、DeepID模型横空出世，直接将LFW数据库上的人脸识别、人脸认证的正确率提高到99.75%，超越人类平均水平。

卷积神经网络由一个或多个卷积层和顶端的全连接层（对应经典的神经网络）组成，同时也包括关联权重和池化层（Pooling Layer）等。与其他深度学习架构相比，卷积神经网络能够在图像和语音识别方面给出更好的结果。这一模型也可以使用反向传播算法进行训练。

相比其他深度、前馈神经网络，卷积神经网络可以用更少的参数获得更高的性能