小白也能弄懂的卷积神经网络（Convolutional Neural Networks ）

本系列主要是讲解卷积神经网络 - Convolutional Neural Networks 的系列知识，本系列主要帮助大家入门，我相信这是所有入门深度学习的初学者都必须学习的知识，这里会用更加直接和用大白话的方式向大家来介绍CNN，如果感兴趣的话就继续看下去吧。

​卷积网络的基本结构

卷积神经网络，简称CNN，是计算机视觉中的重要方法，可以用于计算机视觉中的图像分类、人脸识别、语音处理、文本信息处理等，可以看下面的图直观感受一下卷积神经网络的基本结构。

我们可以看到简单的卷积神经网络CNN结构主要由卷积层、降采样层（也叫池化层）、全连接层以及最后的输出层构成，通俗来说，就是把输入的图像首先进行卷积操作，然后进行池化操作，再进行卷积操作、池化操作，这些操作都是为了提取图片的特征用于识别，最后把池化的结果拉平成一条长向量，传入到全连接层中，最后输出检测结果。

图片分类

图片分类的实现也正是经过上述几个步骤，最终识别出图中是否存在要识别的对象以及识别的概率进行输出显示，如下图：

所以大家如果想要弄懂图像分类、人脸识别的具体实现过程，首先我们必须弄清楚卷积和池化、全连接层成到底是什么，那么接下来这个系列就为大家具体详细来讲解卷积神经网络的基本结构和相应的方法，想要学习的就继续追下去吧 ~

更多有关python、深度和计算机编程的精彩内容，可以关注我的微信公众号：