TensorFlow构建神经网络（CNN ， Mnist数据集）

一. 卷积神经网络（CNN）

1.卷积神经网络概念

2.卷积神经网络过程讲解

3.代码实现

一.卷积神经网络简介：

• 来历：

        Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出卷积神经网络。

• 优点：

        CNN能够得出原始图像的有效表征，这使得CNN能够直接从原始像素中，经过极少的预处理，识别视觉上面的规律。      

• 适用领域：

        语音识别，图像识别等多个领域。

• 结构分类：

        特征提取层（卷积），特征映射层（池化）

1.卷积神经网路结构：

2.卷积神经网络-卷积层

卷积的目的是为了从输入图像中提取特征。

卷积可以从输入的一小块数据中学到图像的特征，并保留像素间的空间关系。