本文共 1525 字，大约阅读时间需要 5 分钟。
墙裂推荐完整的观看学习课程，内容非常详实且不枯燥。
备注：这篇博客内容完全不足以概括完整的课程内容，且距学习已过（tuo）去（yan）了一个月，记忆有些褪色，因此只整理总结了部分基（hai）础（ji）核（de）心（de）内容
CNN解决的问题
在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：
- 图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高
- 图像需要处理的数据量太大，导致成本很高，效率很低
带着这两个“痛点”，看看CNN做了什么
CNN结构
Convolution Layer（卷积层）
卷积层在CNN网络中主要是承担了特征提取的角色，通过卷积核(Convolution Kernal)，也叫过滤器(filter)做卷积操作，侦测图像中某特定的特征。简单举个例子，如下图所示的Filter就可以侦测输入图像中是否存在"自左上角到左下角的直线"的特征。当有多个Filter时，我们就可以学习多个特征，比如颜色、轮廓等。
那么，卷积操作是怎么做的呢? 简单的说，就是Filter以步长为1（可以调整）的方式在图像上移动，并且做内积（点积）运算，就是先做点乘，之后再求和，得到Feature Map。 文字过于苍白，还是直接看动画：
我们可以计算一下，假设Input Image尺寸为x * y，Filter尺寸为a * b，那么生成的Feature Map尺寸是多少呢？ [正确答案: (x-a+1) * (y-b+1)] 对于黑白图片，只有一个通道，对应的Filter就是一个a * b的矩阵；但是对于彩色图片，三通道，对应就是3 * a * b（三个矩阵叠加），值得注意的是，在做卷积计算的时候，不同通道（一个Filter的三个矩阵）在做点乘的时候不用分开计算，照样是对应的位置的值做完乘法之后把所有值加起来…
如果卷积层有n（n>1）个Filter，对应的也就会得到n个Feature Map. 
Pooling（池化）
如果说Convolution Layer(卷积层)负责提取图像中的局部特征，完成特征提取，那么Pooling Layer(池化层)的主要工作就是大幅降低参数量级以及避免过拟合。
池化，也叫做下采样，它是把卷积过后提取之后的Feature Map上划分出几个不重合的区域，然后在每个区域上计算该区域内特征的均值(Average Pooling)或最大值(Max Pooling)，或其他，然后用这个结果参与后续的训练。经验上说，Pooling的方法中average方法对背景保留更好，max对纹理提取更好。
下图是使用Max Pooling后的结果：
Flatten and Fully Connected Layer（全连接层）
原理总结
回顾第一部分：CNN解决了什么问题，总结归纳一下
第一、用类似人类视觉的原理保留了图像特征：借助层层卷积从图像最底层的局部特征不断向上归纳。
第二、将复杂问题简化，借助池化把大量参数降维成少量参数，再做处理。我们在大部分场景下，降维并不会影响结果。比如1000像素的图片缩小成200像素，并不影响肉眼认出来图片中是一只猫还是一只狗，机器也是如此。 CNN系列经典网络
深度学习领域，CNN在图像识别中取发挥了重要作用，CNN发展到今天已有很多变种，其中有几个经典模型在CNN发展历程中有着里程碑的意义，包括：LeNet、AlexNet、Googlenet、VGG、ResNet、Densenet等。这些经典的网络，以及对应的预训练模型（基于Imagenet数据集）在开源框架Pytorch的torchvision模块都有提供，方便开发者们学习、使用。
转载地址：http://fgiqi.baihongyu.com/