一：引言

我们传统的神经网络和卷积神经网络有什么区别？
下图所示，左图就是我们传统的神经网络（NN）(想了解NN的小伙伴可以先划到最后的参考文章部分)，右图就是卷积神经网络（Convolutional Neural Network）（CNN），我们在这张图中可以明显地看出，左图看上去像二维的，右图好像是一个三维的图，举个例子，比如在传统神经网络输入的一张图有784个像素点，所以输入层就有784个神经元，但在我们的CNN中输入的就是原始的图像28*28*1（是三维的），它是一个三维的矩阵。我们可以看到右图中又定义三维名称‘height*width*depth’简称‘h*w*d’，接下来我们就围绕着卷积层和深度到底怎么变换展开。

二：大体介绍CNN：

如下图所示就是CNN的整体架构，和我们讲述NN的文章相同，这次也是从整体架构入手，帮助大家了解CNN，总共有四个部分：输入层 ，卷积层 ，池化层 ，全连接层 。

三：详细介绍CNN：

（1）：输入层：

输入层就是和上文的例子相同，如图中的最左边的图片假设就是我们需要输入的，假设是‘28*28*3’，分别对应‘h*w*d’，其中对于图片输入来说通常是以RGB三通道的形式输入，所以d通常是3，如下图中的第二张图片就是后面三个通道图片相叠加而来

（2）：卷积层（核心）：

卷积层是如何工作的呢？我们先给定一个简单的例子，如下图所示：

假设我们输入的是5*5*1的图像，中间的那个3*3*1是我们定义的一个卷积核（简单来说可以看做一个矩阵形式运算器），通过原始输入图像和卷积核做运算可以得到绿色部分的结果，怎么样的运算呢？实际很简单就是我们看左图中深色部分，处于中间的数字是图像的像素，处于右下角的数字是我们卷积核的数字，只要对应相乘再相加就可以得到结果。例如图中‘3*0+1*1+2*2+2*2+0*2+0*0+2*0+0*1+0*2=9’

那如果我们的d大于一的时候又是如何计算的？

如下动图：

图中最左边的三个输入矩阵就是我们的相当于输入d=3时有三个通道图，每个通道图都有一个属于自己通道的卷积核，我们可以看到输出（output）的只有两个特征图意味着我们设置的输出的d=2，有几个输出通道就有几层卷积核（比如图中就有FilterW0和FilterW1），这意味着我们的卷积核数量就是输入d的个数乘以输出d的个数（图中就是2*3=6个），其中每一层通道图的计算与上文中提到的一层计算相同，再把每一个通道输出的输出再加起来就是绿色的输出数字啦！。

（3）：池化层：

池化层部分就比较简单了如下图所示：

 如图中就是一个max-pooling（最大池化）的一个操作，就是把选中的区域中的最大值给挑出来，比如粉红色区域的‘1,1,5,6’四个数字最大值就是6，还有一种比较常见的是mean-pooling（平均池化）就是把区域内的数字加起来做个平均值，比如蓝色区域就是（1+0+3+4）/4=2。

（4）：全连接层（FC）

全连接层的理解就是相当于在最后面加一层或多层传统神经网络（NN）层，我们在连接全连接层前，需要把我们的CNN的三维矩阵进行展平成二维，比如说从池化层出来的是‘5*5*3’的图像，在输入到全连接层展平成1*75以满足全连接层的输入模式。

四：最后呈现

如下图：

五：参考文章：

CNN笔记：通俗理解卷积神经网络_v_JULY_v的博客-CSDN博客_卷积神经网络通俗理解

CNN部分不愧是计算机博士唐宇迪居然半天教会了我大学4年没学会的深度学习经典算法解析入门到实战课程，看不懂你打我！！！_哔哩哔哩_bilibili

传统神经网络：

神经网络整体架构及细节（详细简单）_小林学编程的博客-CSDN博客

来源地址：https://blog.csdn.net/weixin_57643648/article/details/123990029