CNN（深度卷积神经网络）

21年9月7日 CNN学习记录

简单阐述一下CNN的流程：
首先对图片卷积并池化，重复这个过程many times，随后进行扁平化，将得到的vector放入神经网络。接下来我们具体阐述各个步骤的方法。

卷积（Convolution）

图像卷积的步骤是选定滤波器大小，然后从输入图像的左上角开始，然后对两个矩阵做点积，得到输出的结果，该值就是输出矩阵a11的数值。随后依照stride（步长）来计算a12的值，以此类推。一般会有多个滤波器，因此卷积后的结果虽然矩阵的长宽变少了（输出矩阵边长为输入矩阵的边长-滤波器矩阵的边长+1，即m - n + 1），但是存在了高（高度为滤波器的个数）。
注意，如果是彩色图像，那么图像本身就存在3层（高度为3，RGB），因此滤波器也应该是三层。
我们先忽律彩色图像，只考虑灰度图像（1层࿰