工智能基础知识总结--什么是CNN

1. 什么是CNN

   卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。CNN最常用于CV领域，但是在NLP等其他领域也有应用，如用于文本分类的TextCNN。

   下面是一个CNN的经典网络结构（LeNet）：

   

   CNN一般具有以下结构：

   • 输入层

     输入CNN的图片数据通常会进行以下处理之一：

     • 对每个像素点求均值，得到均值图像，当训练时用原图减去均值图像。
     • 对所有输入在三个颜色通道R/G/B上取均值，只会得到3个值，当训练时减去对应的颜色通道均值。
     • 减去均值后除以标准差进行归一化。
     • 白化（用PCA降维，对数据每个特征维度除以标准差进行归一化）。

   • 卷积层

     对图像（不同的数据窗口数据）和卷积核（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器 filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。

     卷