深度学习|Tensorflow图像识别基础（二）

    前面我们用简单的方法来训练我们的模型，且w和b我们都是置零操作。对于这种简单的图片识别可能还有效果，稍微复杂一点的图片只怕这个网络就不行了。现在在图像识别领域最火的就是CNN算法了。我这里只放一张结构图，不过你先需要了解神经网络，我推荐这篇博文，写的真的非常棒。CNN推荐这篇，不过是全英文，理解起来可能费劲。

                                            

    我们不去研究它的前世今生了（不过真的是非常有意思），我们学习该怎么理解并使用它。

    手写字只是灰度图，而更多的现在是RGB图片，这些图片每张在计算机上就是一个有宽width, 高height, 深depth 来描述的 。它就是一个三维张量，然后展开成一个向量作为我们的输入层。其次卷积神经网络满足了画面不变性这个必要条件。怎么做到的呢？让权重在不同位置共享。

    还要说说神经元怎么理解，你可以把它当作一个计算存储单元，上一层传来的数据经过计算存储后传给下一层。看看这张图，在网上流传甚广，它干了什么呢？也就是像素的加权求和，作用就是特征提取。黄色的3x3矩阵叫做卷积核，普通的卷积操作，卷积核是已知的，而卷积神经网络中卷积核是未知的。它需要我们训练的时候得出。这就是卷积层的工作。

    

     注意上面的可以看作是depth为1的卷积，多维你可以想想一下，应该很好理解。

    经过线性组合和偏移后，我们加入非线性来增强模型的拟合能力，最常用的就是ReLU激活函数，也叫修正线性单元，它是一个分段函数，0以上为线性函数，0以下为0。这层叫做激励层，也叫做非线性转化层。它的位置很灵活，而且可能不止一次被使用。

    卷积之后还有一个pooling的操作，不知谁翻的池化层，很直白但是具体工作说起来就是采样。不如叫采样层？这个很类似于高斯去噪，局部范围取最大，也有取平均的，一般都是取最大。这样做的好处就是去掉一些冗余信息，当然可能其他像素点是否对识别有没有影响？我们不知道，这就可能出错。不过总的来说这是一个比较好的方法了。

    上面的步骤总的来说是提取特征，然后特征我们该如何处理呢？我们是不是该给图片分类了，全连接层就是用来将最后的输出映射到线性可分的空间。通常送入全连接层进行分类的是平摊的向量，然后配合其进行分类。

    当然输出层就是全连接层的分类结果。

    还有几个概念：

    超参数：就是学习之前自定义的量，比如学习率（梯度下降的步长），隐藏层数等。

    正则化：降低模型复杂度以减少过拟合。

    反向传播：梯度下降法的变形。

    dropout: 防止过拟合，具体请看这篇博文

    说了很多，还是要用实例来说明，网上很多，然后我看到一位仁兄写的挺细的，贴在这里。他是训练自己的图片，准确率不高，说更新也没后文了。。

    我建议去看这个博文，每一步写的很清楚，学习后大概就懂了基本流程。

    然后，后续我会去学习fast-RCNN还有faster-RCNN，用于目标检测，学习后继续分享心得。我放了很多链接是因为他们写的很好，我的理解不一定比他们好，学习的过程总是要博采众长。

    祝学习愉快！

详细代码请访问：

    https://github.com/chenzhibin29/MNIST