哈喽，大家好，今天来让我们了解下什么是卷及神经网络，在这篇文章中，我会介绍什么是卷积神经网络，以及卷积神经网络的基本结构和某些具体的应用。话不多说，马上进入正题。
卷积神经网络是近些年来兴起的一种人工网络结构，因为利用卷积神经网络在图片和语言方面能够给出更优秀的结果，因此呢，这种技术也被广泛的传播和应用。卷积神经网络最常用的部分是计算机图片识别。不过因为他的不断创新和不断地迭代也被广泛的用于了视频分析，自然语言处理，药物发现等等。近期很火的阿尔法狗能让计算机看懂围棋，这也是利用了这门技术。
那现在让我们概括下卷积神经网络是如何运作的吧。举一个图片识别的例子。我们知道人体的神经网络是由很多层神经层和神经结构组成，多层神经层里边会有很多的神经元。这些神经元就是神经网络识别事物的关键。每一种神经网络都会有他的输入和输出值。当输入值是图片的时候，输入的实际上并不是那些色彩缤纷的图案，而是一堆堆的数字。当计算机的神经元要处理这么多信息的时候，这也就是卷积神经网络可以发挥他的优势的地方了。那么什么是卷积神经网络呢？那我们现在先把卷积神经网络这个词分开。卷积和神经网络。卷积呢，其实就是计算机不再对每个输入的像素做单独的处理，而是对图片上每一小块的图片上像素区域进行处理，这种做法加强了图片信息的连续性，使得神经网络可以看到图形而非一个点，这种做法实际上也加深了卷积神经网络对于图片的理解。具体来说，卷积神经网络有一个批量过滤器，持续不断的在图片上滚动手机图片上的信息，每一次手机上来的信息都只是这一块上的一些像素区域，然后把手机上来的信息进行整理。这个时候整理的信息有了一个具体的实现。比如说这个时候的卷积神经网络可以看到一些边缘上的图片信息。然后就用同样的步骤，用批量过滤器去批量处理边缘信息。神经网络用这些边缘信息总结出更高层的神经结果，比如说总结的边缘信息可以总结出眼睛鼻子等等，再经过一次过滤，脸部的特征信息也会被过滤总结出来。最后我们再把这些收集的信息放入到普通的全连接神经网络中进行分类，这样就能够得到输入的图片信息能够达到哪一种结果了。
那么我们现在来看看图片是如何被卷积的吧。
现在给你一种图片，图片有长宽高三个参数。对，你没有看错，图片是有高度的。这里的高是属于计算机产生颜色的信息。如果是黑白照片的化。图片的高度只有1.如果是彩色照片的话，图片就会有红绿蓝三种颜色的三种信息。这时图片的高度为3.我们以彩色图片为例子，过滤器实际上就是在图片上不断移动的扫描仪。它不断不断的在图像上收集小批量的像素块。当收集完毕后，我们可以得到一个高度更高，更宽，更小的图片。这个图片里包含了一些边缘信息，然后以同样的步骤来进行多次卷积处理，对图片进行长宽高的压缩，使得图像上的更多的边缘信息可以展现，将普通的压缩分类放入到神经系统中。这样就可以对图片有了更深的理解，这样也就完成了对图片分类的要求。
不过研究发现，在卷积神经网络压缩文件中，神经网络可能会无意识的丢掉一些信息。这个时候迟化（Pooling）算法就可以很好地解决这个问题，就是在卷积的时候不压缩长宽，尽量保证更多的信息，压缩的工作就交给迟化算法。这样的一项复杂工作就可以很有效的提高系统的识别准确性，有了这些技术，我们就可以很好地搭建起一个属于我们的卷积神经网络了。比较流行的一种搭建卷积神经网络的方法就会我图片中的一种方法，具体的就不详细的概述了。
好了，这一次只是对卷积神经网络对于图片处理上的一个简单的介绍，真正的卷积神经网络远比这个复杂的多。如果你想知道如何用Python如何搭建自己的卷积神经网络，我会把视频链接发送给你。也欢迎大家关注我的简书频道，获得更多有趣有意思的机器学习的学习的知识
