卷積神經(jīng)網(wǎng)絡(luò)是用在計(jì)算機(jī)視覺，是人工智能的一個(gè)分支，計(jì)算機(jī)視覺就是告訴計(jì)算機(jī)如何理解圖像，比如人臉識別、自動(dòng)駕駛等

卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)函數(shù)，或者說是一個(gè)黑箱，有輸入和輸出，輸入就是一個(gè)二維的像素陣列（圖片），輸出就是圖片的類別。哪怕圖片經(jīng)過平移、縮放、旋轉(zhuǎn)、和局部加厚或者說是整體加厚，依舊不會(huì)誤導(dǎo)計(jì)算機(jī)，其魯棒性和抗干擾性很強(qiáng)

雖然圖像可能經(jīng)過了某些變換，但是他依舊保留了原圖中的某些特征

卷積運(yùn)算

• 綠色表示原圖像上的像素
• 黃色表示卷積核
• 對應(yīng)相乘再相加，得到一個(gè)新的矩陣叫做feature map

池化（pooling、下采樣）

• 作用是將得到的feature map進(jìn)行縮小，減少數(shù)據(jù)量，減少數(shù)據(jù)量就意味著要犧牲一部分信息，但是是在可接受的范圍內(nèi)
• 兩種池化操作：max pooling（將區(qū)域中最大的值用來代替整個(gè)區(qū)域）、average pooling（將區(qū)域中所有元素的平均值用來代替整個(gè)區(qū)域）
• 一般使用max pooling，它能在保持原圖特征的同時(shí)，還能夠?qū)D片的尺寸降下來
• 在圖片邊緣如果像素不夠的時(shí)候一般會(huì)使用padding進(jìn)行補(bǔ)零操作

正則化（normalization）

ReLU

• 利用ReLU（修正線性單元）激活函數(shù)將矩陣中的負(fù)數(shù)全部置零
• ReLU函數(shù)的性質(zhì)，x < 0 時(shí)，y = 0；x > 0 時(shí)，y = x

全連接層

• 與前一層的每一個(gè)神經(jīng)元都相連