目录
[一. 从神经网络的角度理解CNN](#一. 从神经网络的角度理解CNN)
[基于receptive field的优化](#基于receptive field的优化)
[Observation2: 相同的pattern可能出现在不同位置](#Observation2: 相同的pattern可能出现在不同位置)
[二. 从卷积的角度理解CNN](#二. 从卷积的角度理解CNN)
[三. Pooling（池化）](#三. Pooling（池化）)
[四. The whole CNN](#四. The whole CNN)
[五. CNN应用实例：AlphaGo](#五. CNN应用实例：AlphaGo)
[六. More Applications](#六. More Applications)
[七. 缺陷](#七. 缺陷)
卷积神经网络（Convolutional Neural Network, CNN）广泛应用于图像识别和视觉任务，是深度学习中的核心模型之一。
预备知识
输入：所有影像辨识的模型的接受的所有图片大小（分辨率）相同，所以处理图片时，首先需要rescale。
输出：one-hot vector（分类的任务）
图片由RGB表示（即每个像素有红绿蓝三个数值），是三维的张量，channel = 3。
一. 从神经网络的角度理解CNN
如果使用全连接神经网络，参数量巨大，模型弹性大，容易Overfitting。CNN根据图像的特性对神经网络做了优化与限制。
Observation1：pattern
识别物体的关键之一是找到特定的pattern，所以一个neuron并不需要看完整张图片，只需要关注**receptive field（感受野）**中的部分。
基于receptive field的优化
receptive field典型的设计是涵盖所有channel，所以一般只需要讨论长宽，即kernel size （一般设置很小，kernel：卷积核 ）；stride（步长） 是相邻卷积核的距离，必须有overlap ，否则可能错过某些pattern；对于边缘的部分，需要用**padding（填充）**补成符合卷积核的大小，padding一般是补充0。
Observation2: 相同的pattern可能出现在不同位置
优化2：共享参数
不同的receptive field的neuron共享参数。
常见的设置
不同receptive field使用同一组neuron，每一个neuron称为filter（滤波器/卷积核） 。
二. 从卷积的角度理解CNN
现在换一个角度理解。每个卷积层中有一组filter，每个filter检测不同的pattern。
filter作用的过程
首先filter中每个数值与左上角范围对应的九个数值相乘后求和。
接下来filter会滑动 ：将这个范围依次向左，然后向下移动stride的距离，作相同运算。最终filter会扫完整张图片。
可以看出filter1能检测对角线是否全为1
然后将每个filter如此操作，最后得到的结果叫feature map（特征图，表示CNN每层输出的结果）。
可以把这个feature map看为一张channel为64新"图片"，下一个卷积层的filter深度需要设为64
filter不仅限于提取局部pattern
一个常见的误区，是认为既然kernel size这么小，filter只能提取很小范围内的pattern。实则不然，随着卷积层的增加，每个filter能看的范围对应到原图上越来越大。
三. Pooling（池化）
pooling的想法来自于另一个观察：图片subsample（二次抽样）后，比如把偶数行、列全部抽掉，得到的小图片不影响辨识。pooling本身没有参数，不是一个layer，行为是固定好的。
pooling有很多种，max pooling是分组（大小自己决定）后，取最大的值作为代表。
作用与副作用
pooling能减少运算量，不过是以部分精度作为代价（毕竟删除了一些信息），近年来随着算力的提升，许多影像辨识模型往往会舍弃pooling。
四. The whole CNN
五. CNN应用实例：AlphaGo
下棋可以视为分类问题 ，一个位置表示一个类别。整个棋盘可视为19*19的图片，每个落子的位置视为像素。
有人会认为CNN必须使用pooling，所以不能用于下棋。实际上AlphaGo没有用pooling。
六. More Applications
CNN可以用于语音和文字处理，但注意不能直接套用上述介绍的针对图像CNN架构，必须根据具体任务做相应调整。
七. 缺陷
CNN无法处理影像放大缩小或旋转的情况，形状一样但是大小不同的物体对CNN来说是不同的东西。所以实际训练时，往往需要data argumentation。
