CNN-入门精品课件.pdfVIP

Preknowledge

卷积神经网络，是在神经网络的基础上进化而来的，想要理解卷积神经网络的原理，

首先要理解什么是神经网络。

神经网络的本质是一个分类器，如果将一个网络视为黑箱，那么它的输入是一个对象

的特征向量，输出是这个对象所属的类别。

主要由三个部分组成：

损失函数（lossfunction）

激活函数（activationfunction）

神经元（Cell）

损失函数（LossFunction）

神经网络作为一个分类器，之所以能够work，最主要的原因在于训练。

一个网络的初始参数是完全随机的，这样将数据输入网络，得到的输出也是

完全随机的。

但是在训练过程中，输入的数据是有标注的，即我们知道每一条输入数据的

真实类别。

在每一次训练后，损失函数会获得本次的分类结果，通过将每一条结果与真

实类别比较，损失函数会给出本次分类与真实类别的差距。这个差距将指导

神经网络更新参数。

损失函数（LossFunction）

网络本体

损失函数具体的实现形式有很多，包括softmaxloss、

输