《Python深度学习》第四讲：计算机视觉中的深度学习

计算机视觉是深度学习中最酷的应用之一，它让计算机能够像人类一样“看”和理解图像。想象一下，计算机可以自动识别照片中的物体、人脸，甚至可以读懂交通标志。这一切听起来是不是很神奇？其实，这一切都离不开深度学习中的卷积神经网络（CNN）。今天，我们就来深入了解一下CNN是如何工作的。

---

5.1 卷积神经网络简介

先来看下卷积神经网络（CNN）是什么。

CNN是一种专门用于处理图像数据的神经网络。它的灵感来源于人类视觉系统的工作方式。想象一下，当你看到一张照片时，你的大脑会先识别出照片中的边缘、纹理等基本特征，然后逐步组合这些特征，最终识别出照片中的物体。CNN的工作原理也是类似的，它通过多层的卷积操作来逐步提取图像的特征。

我们来看一个简单的CNN结构。

from keras import layers
from keras import models

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(laye