卷积神经网络工作原理的直观理解.docxVIP

卷积神经网络工作原理的直观理解 在使用卷积神经网络时，它是一个黑盒。我们完全不用关心里面发生了什么。 但是，作为开发人员，我们必须把盒子打开，看看里面到底有什么！ 就像剥洋葱一样，我们需要一层层地剥离。 打开黑盒最外边包装，我们看到，它由两部分组成： 卷积层：负责特征提取 全连接层：负责分类 当然，有些网络已经没有全连接层，是全卷积网络。为了方便说明和理解，这里，我们仍旧以包含全连接为例。 从盒子外边再看看，最后的输出通常是一个小数值，可以简单理解为所属分类的概率。 这些概率值的和是1，概率值越大意味着对应类的可能性越大。 例如，猫的值是0.98，狗的值是0.02。意味着当前的分类极大可能是猫。 我们用一个通俗的例子看一下。 有一个小瓶子，里面可能是（水、氢气、氧气）。那么各部分的功能如下： 卷积层：负责提取特征。简单理解，就是将物质里面的元素提取出来。例如，这里从物体里面提取出来氢元素（H）和氧元素（O）。 全连接层：负责分类。将瓶子中H和O的可能拼接出来。可能是（H2O，O2、H2），不同的值，权重是不一样的。例如，2个H和一个O，构成H2O；两个O，构成O2；两个氢构成H2。 从上述可以看到，不同的权重，意味着有不同的结果。 卷积网络的核心是学到不同物质的不同权重值。 我们进一步明确，神经网络包含两个组成部分（卷积层，全连接层），分别负责（特征提取，分类）。 例如，很多网络在