Datawhale 零基础⼊⻔CV-Task3 字符识别模型

现在的显示屏，分辨率基本都可以达到1920×1080，加上RGB三通道，一张屏幕截图的数据量就可以达到六百多万，如果一秒三十张图片，那么一秒钟的数据量就有一亿八千多万。
神经网络的工作方式就是仍给网络一堆特征值，然后网络去学习，调整各种超参数，直到在过拟合与欠拟合之间找到平衡点。
严格而死板的方法，每个像素点都是特征值，那计算机视觉简直就是数据爆炸，比核武器还夸张，完全没有指导意义。
卷积网络就应运而生，听名字，卷积，想到大学数学的晦涩方程，真是让人望而生畏。其实，在我看来，卷积就是简化，因为每个像素点都作为特征值太浪费资源，并不需要特征值，因为在现实世界，人们看一个图片从来也不会因为一两个像素点影响判断。
我希望可以以EXCEL的形式展示卷积神经网络，因为EXCEL的一个个小方格很能表示卷积的简化思想。
自己写了点，上网发现有大神在towardsdatascience里描述过相似的想法，所以直接搬运别人的图片了。

我们从MNIST数据集中选取了一张图——数字7，0.0至1.0表示颜色变深，将像素点的数字填写在EXCEL表格里，通过EXCEL自带的颜色深浅将图像表现出来。

从第一层输入层input到第二层Conv1，使用了卷积运算，卷积运算的方法类似于把卷积和看成是透明卡片，放置在原始数据集的一小部分上，对应的相乘然后再相加。观察两个卷积核filter，一个是竖向的一个是横向的，卷积运算后的右边两张图片也是像横向的浮雕和竖向的浮雕。可以大胆猜想什么样的卷积核可以得到什么样的特征图像，这样就提取了特征，也分解了特征。

卷积运算后，图片更加特征鲜明了，但是有一些奇怪的地方，比如为什么会有负数，这是不合理的，因为初始的像素最低只有0。这里用到了ReLU激活函数，ReLU激活函数看起来非常的简单，但是其确实在深度学习中大放异彩的一个函数，其非线性也保证了各神经元相互较为独立。


这是第二层的卷积运算，主要关注这几点，一是卷积核的数值是有很多种的，二是两层卷积层之间所需的卷积核数目与前后两层的图层数相关。其实就是要从中抽象出矩阵的运算。

池化运算就像图片的压缩机，将像素减少，其中常用的是最大池化，即选择池化区域中最大的数值。这也是很好理解的，当 我们看一张图片，往往会被颜色较深的所吸引，颜色较深的往往包含重要的信息。当然，这也不是绝对的，这么做也不一定合理，比如往图片里撒些深色黑点，就可以混淆神经网络，当然，后续发展的CNN有技术手段克服这些迷惑。

从EXCEL表格的最大池化运算展示中，可以很清楚的看到，像素被压缩了，特征被提取出来。

最后，利用全连接层，全连接层的思想就像“一个也不能少”，把所有像素点的通过矩阵运算得到一个数值。如果是多分类问题，就使用softmax函数，权重最大的也就是可能性最高的。

EXCEL表示的卷积神经网络虽然简单，但是包含了卷积神经网络的主要思想，卷积运算、池化运算和全连接层。不信你再看看卷积神经网络的常用示意图，是否能看懂了呢。

我们介绍了卷积神经网络前向传播，训练网络还需计算后馈网络，计算起来比较困难，不过庆幸pytorch等学习包帮我们造好轮子了，我们只需要设定好前馈网络，就可以进行卷积神经网络的训练了。