神经网络—卷积神经网络CNN

定义

卷积神经网络（convolutional neural network）简称CNN，主要用于处理图像数据，但仍然可以处理其他形式的数据，像语音数据等。其最擅长的就是图片的处理，它具有人工神经元，能够在一定范围内和其他单元相应，从而能很好地处理图像，尤其是大型图像。

对于卷积神经网络，典型的应用就是分类，给它一个输入的图像，它就会给出一个分类的结果，换言之如果你输入一张猫的图像，它的输出标签就会是“猫”，如果你输入一张狗的图像，它的输出标签就会是“狗”。

CNN做的事情：给定n个标签，输入一个图像，图像是什么未知，需要用模型判断这个图像是个什么东西，总之输出一个结果（结果是给定的某一标签）。

层级结构

1、输入层（input）

是将原始数据或者其他算法预处理后的数据输入到卷积神经网络中，数据没有明确定义，可以是数字图像，也可以是音频识别领域经过傅里叶变换的二维波形数据，也可以是自然语言处理中一维表示的句子向量。输入层的作用是将输入数据送入卷积神经网络进行特征提取，然后获得我们想要的结果。

一、数据预处理

预处理的原因：

1、数据的单位不同，会导致神经网络训练时间长，收敛速度慢。

2、数据范围大的输入在模式分类中的作用可能偏大，而数据范围小的作用就有可能偏小。

3、激活函数有值域限制，需要将网络训练的目标数据映射到激活函数的值域中。

4、S形激活函数（sigmoid）在(0,1)区间以外区域很平缓，区分度太小。

二、常见的数据预处理方式

1、归一化

把所有的数据都归一到同样的范围，使得不同维度的