文章目录
- 前言
- 一、卷积神经网络的整体架构
- 1.输入层
- 2.卷积层
- 3.池化层
- 4.全连接层
- 二、总结
前言
卷积神经网络的用途很广泛，包括检测任务、分类与检索任务、超分辨率重构、医学任务、无人驾驶、人脸识别等，在机器学习领域占领一席之地，本节介绍卷积神经网络的基础内容。
一、卷积神经网络的整体架构
如下图是卷积神经网络的整体架构，分为四部分：输入层、卷积层、池化层、全连接层。
1.输入层
卷积神经网络的输入是原始图像（三维矩阵），维度为height*width*depth，简称h*w*d。假设输入图片是32*32*3，分别对应h*w*d；其中对于图片输入来说通常是以RGB三通道的形式输入，即d为3。如下图所示。
2.卷积层
卷积层是如何工作的呢？
假设我们输入的是5*5*3的图像，左上角的那个3*3*1是我们定义的一个卷积核，通过原始输入图像和卷积核做运算可以得到绿色部分的结果，怎么样的运算呢？左上角深色部分的中间数字是像素，右下角数字是卷积核的数字，对应相乘再相加即得到最终结果（即绿色图部分），例如：3*0+3*1+2*2+0*2+0*2+1*0+3*0+1*1+2*2=12。
那么当d大于1时是如何计算的呢？
左边三个矩阵是输入Input，相当于d=3时有三个通道图，维度是5*5*3，当我们填充pad为1之后，即为7*7*3。现有两个卷积核，分别为Filter W0、Filter W1，卷积核维度是3*3*3，前两个维度是我们自己定的，大量实验证明3*3最好，最后一个维度3是和我们输入数据同维。通过原始输入图像和卷积核做运算最后相加就可以得到相应的输出，即Output。
填充的目的是什么呢？ 可以发现处于矩阵中心的数据在进行卷积的时候会被多次计算，即卷积核认为其更加重要，为了减少这种影响，我们认为在矩阵外围填充若干圈0，以使边缘数据也可以更多的参与卷积。
3.池化层
由于多次卷积之后原始输入会变大，其中有很多无关紧要的输出并且浪费了很多算力，想要解决这个问题就需要我们进行池化操作。池化操作有两种，分别是最大池化和平均池化，根据任务需求进行选择池化方式。
例如最大池化max-pooling，即将选中区域中的最大值选出，如上图所示。而平均池化mean-pooling即将选中区域数字相加之后计算平均值选出。
4.全连接层
全连接层相当于在最后面加一层或多层传统神经网络（NN）层，我们在连接全连接层前，需要把我们的CNN的三维矩阵进行展平成二维，比如说从池化层出来的是5*5*3的图像，在输入到全连接层展平成1*75以满足全连接层的输入模式。
二、总结
本文简要分析了卷积神经网络的组成，在下一篇文章中，将会用实际案例演示pytorch构建卷积神经网络用于训练的方法
