经典卷积神经网络介绍

经典卷积神经网络介绍
卷积神经网络（Convolutional Neural Networks，CNN）是一类深度神经网络，最常用于分析视觉图像。卷积神经网络是深度神经网络的正则化版本。在卷积神经网络中，至少在一个层中使用卷积运算代替矩阵乘法运算。卷积是一种特殊的线性操作。常规的神经网络在处理稍微大一些的图像时，效果并不尽如人意，如输入的图像是28像素×28像素×1，在第一个隐藏层中，每一个单独的全连接神经元有28×28=784个权重，但是如果输入的是100像素×100像素×3的图像，那么一个神经元就有30000个权重，而且在一个神经网络中不会只有一个神经元。全连接神经网络的“完全连接”使它们容易过度拟合数据，正则可以向损失函数添加某种形式的权重值测量，使得权重更加低阶，阻止过拟合。
一个简单的卷积神经网络是由各种层按一定顺序排列的。卷积神经网络主要由卷积层（Convolutional Layers）、池化层（Pooling Layers）、全连接层（Fully Connected Layers，FC Layers）构成。将这些层按一定的顺序排列，就可以搭建一个卷积神经网络。