這里不再重復什么是CNN，參考了兩篇博文，總結記錄了在學習CNN過程中的幾點疑惑。

CNN做的就是下面3件事：

1. 讀取圖片：

把由一個個像素點組成的圖片轉換為計算機能讀懂的0~255數字組成矩陣圖。

2. 提取特征：

這是最關鍵的一步：此過程是由幾個卷積核組成的卷積過程。這里需要解釋下，在卷積的過程中，會不止一個過濾器（也叫卷積核），因為每個過濾器的參數不同，提取的特征也不同（而大小和個數由人為指定）。但是有以下幾點需要注意：

（1）提取的過程可以簡單看成如下的動態圖：

綠色矩形框是圖片矩陣；橘色矩形框是過濾器；右邊的粉色矩形框就是得到的特征圖。

這里要注意的是：在“卷積”過程中，這種對應數值相乘、再相加的計算，僅僅是“線性”計算；而在現實世界中，很多很多的數據，都是“非線性”的。所以，在“卷積”處理的后面，我們常常引入一個“非線性”的計算，來使得數據更加接近真實世界。具體到圖片計算，ReLU相當于將“特征圖片”中，像素值小于0的部分，全部變為0，因為圖片的像素值是不存在負值的。如下：

所以在“卷積”的后面，再加上一步“ReLU計算”，但是如果得到的特征圖的數值絕大多數均為正數，所以，經由ReLU處理后的圖片可能并沒有太大的改變。

（2）在人的眼睛中看到的提取特征后的圖像應該是：

圖像變小（從矩形圖的大小可以看出矩形由原來的5x5，變為了3x3），并且圖像變得模糊（但主要特征都被提取出來了）。

（3）同時要注意的是不同的過濾器提取得到的特征圖是不同的：

比如提取得到的圖：輪廓圖、銳化圖、浮雕圖等

（4）過濾器中的值是怎么確定的？

這里就是算法要學習的其中一部分，不需要人為設定。而需要設定的參數有：
① 過濾器的大小（用字母“F”表示），需要注意的是：過濾器的尺寸越大，得到的圖像細節就越少，最終得到的特征圖的尺寸也更小。
②過濾器滑動的步幅數（用字母“S”表示）
③過濾器的個數（用字母“K”表示）。如下：

從上面的例子我們能夠看到，“卷積”輸出的結果，是包含“寬、高、深”3個維度的，而這個“深度”，等于過濾器的個數，也就是得到幾種特征圖。上面我們采用了4種過濾器，所以這里的深度是4。
④設置是否補零（用字母“P”表示），來看看“補零”后的效果：

這樣得到的特征圖大小就和原圖一樣大了。

如何確定“補零”的圈數，才能保證圖片大小一致？這里有一個關系式：

假設原始圖片的大小為W，當我們設置了過濾器的大小(F)、滑動的步幅數(S)、以及補零的圈數(P)。實際上，得到的特征圖片大小為：

W?F+2×PSW?F+2×PS

（5）如果得到的特征圖片的尺寸很大的話，你還可以進一步添加“池化”的操作。所謂“池化”，就是在保留圖片主要信息的前提下，將圖片的尺寸縮小。
但是池化的操作是在ReLU處理后加入的。
池化的操作與“卷積”類似，需要我們設置2個超參數：過濾器大小（F）和 滑動的步幅數（S） 。
整個的特征提取過程如下：輸入圖片 → 卷積 → ReLU → 池化（可選）

但大部分的時候，我們會進行多次卷積和池化。

關于池化層和卷積層的幾點區別：
① “池化”層使用的過濾器，與“卷積”層使用的過濾器有所不同：

“池化”層的過濾器，其內部沒有數值，因為“池化”層的過濾器，其功能只是將圖片縮小，故其內部沒有參數。

在“池化”層中，僅有1個過濾器；而在“卷積”層中，可以設置多個過濾器：

因為“卷積”層的過濾器，其功能是提取圖片的特征，因而，我們使用不同的過濾器，可以提取不同的圖片細節。而“池化”層的過濾器，僅僅是為了縮小圖片的尺寸，因而，使用一種過濾器，就可以達到這一目標，無需設置多個。

② 經過“卷積”處理后，得到的圖片張數（即“圖片深度”），應該等于該卷積層的過濾器個數；而經過“池化”處理后，得到的圖片張數（即“圖片深度”），仍等于上一層的圖片張數。

當要處理的圖片是彩色圖片時：
和黑白圖像的區別是灰度圖的深度僅為1，而彩色圖的深度為3（彩色圖片包含紅R、綠G、藍B，三種通道）。

所以，彩色圖片在進行第一層“卷積”時，需要同時處理3張圖片（即“紅、綠、藍”）。
前面我們在處理灰白圖片時，因為輸入的圖片其深度為1，所以我們采用的是大小為3*3，但是，深度為1的過濾器。而在處理彩色圖片時，我們的過濾器，其深度增加為3。如下：

所以如果我們設置過濾器的個數為2個，也就是說提取原圖的兩種不同特征。此時的兩個過濾器的形式為：

也就是說每個過濾器的有三種不同的取值矩形框，分別過濾原圖每個通道上的特征：

當過濾器在圖片上滑動時，

過濾器的“紅色”層，負責提取原始圖片“紅色”通道的特征；
過濾器的“綠色”層，負責提取原始圖片“綠色”通道的特征；
過濾器的“藍色”層，負責提取原始圖片“藍色”通道的特征。

之后，將“紅、綠、藍”3層提取出的特征值相加，得到的最終值，就是“卷積”層輸出的圖片像素。

例如：假設我們有一張寬、高、深為4*4*3的彩色圖片。并且，我們在“卷積層”，設置了2個過濾器，如下圖：

提取過程：

注意此時最后得到的特征圖仍然是兩張，既是和過濾器的個數是一樣的。這里的彩色圖只是增加了過濾器和計算的復雜度，而得到的特征圖個數不會改變。

這里要注意的是：
① 經過“卷積”后，輸出的特征圖片，其深度等于使用的過濾器個數。

② 推廣到更一般的情況，無論是灰度圖片，還是彩色圖片，當我們構建的模型中，有多個“卷積”層時，都要遵循“彩色案例”中的步驟，即“在做‘卷積’處理時，如果上一層圖片是多層，那么，本層過濾器在遍歷完多層圖片后，需要將結果值相加“。

3. 圖片分類：

經過上面一系列的處理，此時得到的圖片，已經可以被視為一串串簡單的數字（即像素值）。然后將這一個個的像素值，帶入模型：

y=f(θ0x0+θ1x1+...+θnxn)y=f(θ0x0+θ1x1+...+θnxn)
就可以得到分類了。

這里要注意的是：
（1）首先需要將特征提取后得到的圖片像素值展開

（2）在模型的最后，我們需要讓計算機努力找到x-y之間的關系。而尋找的辦法，就需要依靠“全連接神經網絡”。
這里需要注意：
① “全連接神經網絡”可以幫助我們學習到參數θ。
② 模型得到的最終結果，表示“圖片為某種類別的概率”。注意：這里的概率之和，永遠為1。

總結：
在構建模型時，需要我們設置的超參數有：

（1）卷積層： 過濾器的大小（F）、滑動的步幅數（S），以及過濾器的個數（K）
（2）池化層：過濾器的大小（F）
在算法運行時，計算機會自己學習的參數有：
（1）卷積層： 過濾器中的具體數值。
（2）全連接層： 神經元的參數 θ

參考：
http://mp.weixin.qq.com/s/fdBpynmAdcnjUW9DF2DQRg
https://mp.weixin.qq.com/s?__biz=MzI1NjczMjEwNw==&mid=2247483921&idx=1&sn=90250512a4b8d369955672c7b720eca0&scene=21#wechat_redirect

總結

以上是生活随笔為你收集整理的CNN基础知识（2）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。