机器学习之计算机视觉中的深度学习：卷积神经网络介绍

文章代码来源：《deep learning on keras》，非常好的一本书，大家如果英语好，推荐直接阅读该书，如果时间不够，可以看看此系列文章。

在这一章，我们会学习卷积神经网络，一种在计算机视觉中常用的深度学习模型，你将会学着将它们运用到分类问题中。
我们首先会介绍卷积神经网络背后的一些理论，特别的：

• 什么是卷积和最大池化?
• 什么是卷积网络？
• 卷积网络学到了什么东西？

接下来我们会用小的数据集来概括图像分类问题：

• 从零开始训练你的小卷积网络
• 使用数据增加来避免过拟合
• 使用预训练的卷积网络来做特征提取
• 对预训练卷积网络调参

最后我们会概括几个可视化的技术来学习如何分类。

接下来是我们的第一节，卷积神经网路的介绍

我们潜入卷积神经网络的理论，并探寻为什么它在计算机视觉任务中那么成功。首先，我们实际看看一个简单的卷积网络的例子。我们将会用卷积网络来分类MNIST数字，在之前我们以及用全连接做到了97.8%的识别率。尽管我们的卷积网络很基础，但是其正确率和原来的全连接比，照样完胜。
接下来6行代码将会给你展示最基础的卷积网络长什么样，其实就是一些二维卷积和二维最大池化层的堆叠。我们接下来将会看