1 简介
简称：CNN，convolutional neural network
应用场景：图像识别与分类（CNN），看图说话（CNN+RNN）等
优越性：和多层感知机相比，cnn可以识别独特的模式，可以自动从数据中提取特征。一般机器学习需要特征工程，cnn可以自动识别，极大代替或取代了特征工程
和多层感知机原理不同点：层包含卷积层，池化层。但也是一种前馈神经网络
输入与输出：输入可为图像，输出为目标分类个数（比如图像目标分5类，则输出可定义有5个输出单元）
2 概念
用例子说明：识别图像里的数字是几，数字0-9，用cnn，则输出有10个单元，输入image为28x28像素彩色图片，每个像素为0-255的灰度值
2.1 识别手写数字流程简介
可简单理解为从一个图像提取出多个简单的小图像（因为要模式识别，多个模式，提取特征），然后从这些小图像输出预测
第一层卷积运算后，变成了28x28x4的结果，可以理解为4张28x28的图像
第二层池化运算后，变成了14x14x4的结果，可理解为4张14x14的图像（变小了）（卷积和池化运算原理后面说）
第二层卷积和池化类似，卷积后图像多了，池化后尺寸小了
第五层可理解为将第四层池化运算后的结果拉伸为1维向量（可以看成特征）
第六层为感知机的隐层，经过隐层计算得到输出。本例为分类问题，输出为各分类概率，加和为1
cnn和mlp（多层感知机）工作流程也一样，包括前馈运算和反馈学习阶段（比如梯度下降）。
2.2 卷积运算
卷积是数学概念，定义为一个卷积核函数在输入信号上序列化的积分计算，比较抽象，看个例子
卷积运算原理和人眼识别物体原理差不多。比如一个图片有很多物品，目标找到图片中所有的鞋子，人眼判断会经历这些流程：1扫描图片：需要看完整个图片，才能知道有多少鞋子 2模式识别，人眼能看出鞋子是因为大脑知道鞋子长什么样，脑海会有一个关于鞋子的模板图案 3模式匹配：扫描图片过程，当看到和鞋子模式高度匹配的地方，就记下这个位置的下标。扫描完成后，所有下标所在位置大概率会有鞋子
卷积核可以看作上例中的鞋子模板，鞋子模板和原始图像匹配的结果叫特征图，是一个二维的灰度图，再看个书里的例子
2.2.1 数学上的卷积运算
接上图，用一个卷积核扫描完原始图像一遍，即可看作完成一次卷积运算
卷积运算结果是特征图尺寸会比原始图像尺寸小，如果不像让特征图尺寸变化，可以在原始图像四周加padding（边距）
可以用多个卷积核（多个模式）对原始图像识别，对应会有数量和卷积核数量相等的特征图生成
卷积运算会越来越小，是因为特征图有一定尺寸，经过卷积运算就会减小
卷积运算越来越厚是因为模式（或特征，或卷积核）越来越多，比如需要从图像识别出多个类别的有用信息
