今天简单聊聊卷积神经网络(Convolutional Neural Network CNN):就是含有卷积层的神经网络.是人工神经网络(ANN)的一种.具体分为数据输入层,卷积层,激励层,池化层,全连接层.数据输入层:对输入的数据进行一系列的处理,例如标准化,避免数据偏差太大.卷积层:获取输入的特征矩阵,有时为避免边缘信息丢失,需要对特征矩阵进行填充(padding),选择步长(stride).确定卷积核,然后用卷积核去和输入的特征矩阵做线性乘积求和.目的是提取数据的特征.相关API,torch.nn.Conv2d.激励层:Relu激活函数,进行数据转换.池化层:类似于卷积层,有一个卷积窗口,设定步长和填充.对输入的窗口里面求和或取平均.目的是降低特征的维度.相关API:torch.nn.MaxPool2d,torch.nn.AvgPool2d.全连接层:就是上一层的所有神经元的输出都和本层神经元连接.