在上一篇文章机器学习入门（九）多层感知机中，我们了解了最基础和最简单的神经网络结构 MLP ，这篇文章将介绍卷积神经网络，也叫CNN。在处理图像等具有空间结构的数据时，CNN通常比MLP表现得更好，而在处理结构化数据时，MLP可能更为合适。
卷积神经网络
相对于最经典的 MLP 神经网络，卷积神经网络增加了卷积层和池化层两层。CNN 的结构如下图所示，图片来源这里
各层的作用如下：
- 输入层：输入图像等信息
- 卷积层：对图像矩阵与过滤器矩阵进行对应相乘再求和运算，转化得到新的矩阵。作用是快速定位图像中某些边缘特征。
- 池化层：防止过拟合，将数据维度减小
- 全连接层：汇总卷积层和池化层得到的图像的边缘特征和信息
- 输出层：根据全连接层的信息得到概率最大的结果
卷积层
从卷积神经网络的名字就可以看出，卷积层是最重要的一层。如下图所示（图片来源这里），我们通过过滤器（图中的3维矩阵）在输入矩阵（图中的4维矩阵）中不断移动，每一次移动都进行一次乘积的求和，该过程会得到一个新的二维矩阵，此二维矩阵也被称为特征图（Feature Map）。这整个过程就是就叫做卷积。
卷积层有两个重要的参数，分别为步幅（stride）和填充（padding）。过滤器移动的距离就是步幅，如下图所示，分别为 stride == 1 和 stride == 2的情况
填充（padding）可以解决每次计算的时候，边缘只被计算一次，而中间被多次计算，导致丢失边缘特征问题。如下所示（图片来源这里）：
池化层
池化层的作用简单来说就是将得到的特征图进行特征提取，将其中最具有代表性的特征提取出来。这样做的目的是为了减小过拟合和降低维度。常用的提取到最有代表性的特征的方法有：最大池化和平均池化。
- 最大池化
最大池化就是每次取窗口中所有值的最大值。如下图所示（图片来源这里）：
- 平均池化
平均池化使用窗口中所有值的平均值，如下图所示（图片来源这里）：
示例
我们可以通过 keras 库来使用 CNN 模型，完成猫狗的识别，代码示例如下：
ini
#set up the cnn model
from keras.models import Sequential
from keras.layers import Conv2D, MaxPool2D, Flatten, Dense
model = Sequential()
#卷积层
model.add(Conv2D(32,(3,3),input_shape=(50,50,3),activation='relu'))
#池化层
model.add(MaxPool2D(pool_size=(2,2)))
#卷积层
model.add(Conv2D(32,(3,3),activation='relu'))
#池化层
model.add(MaxPool2D(pool_size=(2,2)))
#flattening layer
model.add(Flatten())
#FC layer
model.add(Dense(units=128,activation='relu'))
model.add(Dense(units=1,activation='sigmoid'))
#configure the model
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])
model.summary()
#train the model
model.fit(training_set,epochs=20)
# make prediction on multiple images
import matplotlib as mlp
font2 = {'family' : 'SimHei',
'weight' : 'normal',
'size' : 20,
}
mlp.rcParams['font.family'] = 'SimHei'
mlp.rcParams['axes.unicode_minus'] = False
from matplotlib import pyplot as plt
from matplotlib.image import imread
from keras.preprocessing.image import load_img
from keras.preprocessing.image import img_to_array
from keras.models import load_model
a = [i for i in range(1,10)]
fig = plt.figure(figsize=(10,10))
for i in a:
img_name = str(i)+'.jpg'
img_ori = load_img('./cnn_data/' + img_name, target_size=(50, 50))
img = img_to_array(img_ori)
img = img.astype('float32')/255
img = img.reshape(1,50,50,3)
result = (model.predict(img) > 0.5).astype(int).flatten()
img_ori = load_img('./cnn_data/' + img_name, target_size=(250, 250))
plt.subplot(3,3,i)
plt.imshow(img_ori)
plt.title('预测为：狗狗' if result[0] == 1 else '预测为：猫咪')
plt.show()效果如下所示：
