如果对深度学习还不理解的同学，建议你先看下之前的文章《深度学习到底有多深？》，对深度学习有一定的认知，对接来了的谈论可能会更随意马虎理解。

以下是本文谈论内容的大纲：

下文的卷积神经网络，我们用简称CNN表示。

01 为什么须要用到CNN？1. 普通的神经网络会碰着什么问题？

假设我们要做图像识别，把一张图片丢到机器，机器能理解的便是每个像素点的值，如下图：

我们在搭建好神经网络模型之后，须要做的便是用数据演习，终极须要确定的是每一个神经元参数w和b，这样我们就可以确定模型了。

假设我们输入的是5050像素的图片（图片已经很小了），这依然有2500个像素点，而我们生活中基本都是RGB彩色图像，有三个通道，那么加起来就有25003=7500个像素点。

如果用普通的全连接，深度比较深时，那须要确认的参数太多了，对付打算机的打算能力，和演习模型来说都是比较困难一件事。

因此，普通神经网络的问题是：须要确认的参数太多。

那CNN是怎么办理这个问题的呢？请接着往下看。

2. CNN是怎么办理这个问题的？

第一步：局部监测

假设我们要看一张图片中有没有猫耳朵，大概我们不须要看整张图片，只须要看一个局部就行了。
因此看是否是一只猫，只须要看是否有猫尾、是否有猫嘴、是否有猫眼，如果都有，那机器就预测说这张图片是一只猫。

由于这种方法看的是图片的局部，而不是全部，也便是说神经元连接的是部分的特色变量，而不是全部的特色变量，因此参数比较少。
（如果这里看不懂没紧要，我们后面会详细阐明）。

看到这里你可能会疑问，我怎么知道取哪个局部，我怎么知道猫耳在图片的哪个部位？不焦急，后面会讲到。

第二步：抽样，缩小图片

假设我们要识别一张5050像素的猫相片，如果我们把图片缩小到2525个像素点，那实在还是能看出这是一只猫的照片。

因此，如果把图片缩小了，就相称于输入的特色变量变少了，这样也能减少参数的量。

卷积神经网络便是用上面这两步的思想来减少参数，那详细CNN的架构是若何的？又是怎么运行的？我们接下来详细谈论。

02 CNN的架构

CNN的架构流程图：

第一步：卷积，即局部监测。

第二步：特色抽样，即缩小图片。

然后重复第一、第二步（详细重复多少次，人为决定）。

第三步：全连接，把第一、二步的结果，输入到全连接的神经网络中，末了输出结果。

1. 卷积（Convolution）

首先，把图片转化成机器可以识别的样子，把每一个像素点的色值用矩阵来表示。
这里为了方便解释，我们就简化，用66像向来表示，且取只RGB图片一层。

然后，我们用一些过滤器跟输入的图片的矩阵做卷积。
（如果不知道卷积怎么运行的话，可以去问下百度）

那过滤器是什么呢？

——过滤器便是用来检测图片是否有某个特色，卷积的值越大，解释这个特色越明显。

说到这里，我们回顾一下前面提到的问题：我怎么知道取哪个局部，我怎么知道猫耳在图片的哪个部位？

用的办法便是：移动窗口卷积。

同一个过滤器，会在原图片矩阵上不断的移动，每移动一步，就会做一次卷积。
（每一移动的间隔是人为决定的）

因此移动完之后，就相称于一个过滤器就会检测完全张图片，哪里有相似的特色。

卷积跟神经元是什么样的关系呢？

上图所示有3点须要解释：

1）每移动一下，实在便是相称于接了一个神经元。

2）每个神经元，连接的不是所有的输入，只须要连接部分输出。

说到这里可能你又会有疑问了，移动一下便是一神经元，这样不就会有很多神经元了吗？那不得又有很多参数了吗？

确实可能有很多神经元，但是同一个过滤器移动时，参数是强行同等的，公用参数的。

3）以是同一个过滤器移动产生的神经元可能有很多个，但是他们的参数是公用的，因此参数不会增加。

跟不同过滤器卷积：

同一层可能不止是跟一个过滤器卷积，可能是多个。

不同的过滤器识别不同的特色，因此不同的过滤器，参数不一样。
但相同的过滤器，参数是一样的。

因此卷积的特点是：

局部检测同一个过滤器，共享参数

3. 池化（Max pooling）

先卷积，再池化，流程图：

用过滤器1卷积完后，得到了一个44的矩阵，假设我们按每4个元素为一组（详细多少个为一组是人为决定的），从每组中选出最大的值为代表，组成一个新的矩阵，得到的便是一个22的矩阵。
这个过程便是池化。

因此池化后，特色变量就缩小了，因而须要确定的参数也会变少。

4. 全连接

经由多次的卷积和池化之后，把末了池化的结果，输入到全连接的神经网络（层数可能不须要很深了），末了就可以输出预测结果了。

那到这里，我们把CNN的事情流程就讲完了，但是每一步详细的意义是什么，怎么理解？

可能你还不太理的顺，接下来我们会用一些可视化的办法帮助大家理解。

03 CNN是若何学习的？

我们以AlexNet为例，给大家展示下CNN大致的可视化过程。

AlexNet是Alex Krizhevsky等人于2012年的ImageNet比赛中提出了新型卷积神经网络，并得到了图像分类问题的最好成绩（Top-5缺点率为15.3%）。

AlexNet的网络架构：

实在AlexNet的构造很大略，输入是一个224×224的图像，经由5个卷积层，3个全连接层（包含一个分类层），达到了末了的标签空间。

AlexNet学习出来的特色是什么样子的？

第一层：都是一些添补的块状物和边界等特色。
中间层：学习一些纹理特色。
更高层：靠近于分类器的层级，可以明显的看到物体的形状特色。
末了一层：分类层，完备是物体的不同的姿态，根据不同的物体展现出不同姿态的特色了。

以是，它的学习过程都是：边缘→部分→整体。

关于卷积神经网络的可视化，大家想理解更多的话，可以参考文章。

04 AlphaGo

前面我们提到了AlphaGo有用到CNN，那详细是怎么运用的呢，这里简答给大家科普下：

我们把围棋算作是一个1919像素的图片，，每个像素点的取值：有黑子是1、有白子是-1，空为0。

因此，输入棋盘便是所有像素点的矩阵值，输出是下一步落子的位置。

那这个跟CNN有什么关系？

我们知道CNN善于做的事情便是检测局部特色，那也可以把这项技能利用到下围棋上。

比如说上图这种特色，检测盘面上有没有这样的特色，如果有的话，常日下一步的落子是若何。
就好比玩剪刀石头布，检测到对方出剪刀，那机器的应对策略便是出石头。

同样可能有很多不同的特色，因此须要用不同的过滤器去检测。

而且，同一个特色可能会涌如今不同的位置，因此也可以用过滤器移动的方法去检测。

AlphaGo 有没有池化？

讲到这里你会不会好奇，AlphaGo到底有没有用到CNN的池化。
由于池化是把图片缩小的，围棋是1919个点，如果缩成1010个点，能行吗？

实际上AlphaGo是没有用到池化这一步的，以是说CNN也未见得一定要利用池化，还是须要实际问题实际办理，灵巧运用。

好了，到这里就先容完了CNN，后续我会写一篇文章先容深度学习的另一大门派：循环神经网络RNN，感兴趣的同学记得关注哦。

本文由 @Jimmy 原创发布于大家都是产品经理。
未经容许，禁止转载。

题图来自Unsplash，基于CC0协议。