卷积神经网络——缘起

Posted 2021-04-26 攀言

     

微风细雨 From 攀言 00:00 03:42

    在图像识别领域，卷积神经网络（CNN）可谓“甚嚣尘上”，我准备通过一系列文章把卷积神经网络的谜团完全揭开。就从最基础的开始吧！

     任何一个概念的提出必然有它的缘由，那么就先从最基本的多层神经网络谈起吧。请仔细看分析（本图是个略图，只包含一个隐层）：

      

      假设有一个MNIST手写数字识别的数据集的一个图像，它的大小为28x28,其输入层的节点个数为28x28=784个，假设第二层的隐层的节点个数为1000个，那么，输入层到隐层的权重W为784x1000的矩阵，输入层到隐层的偏置b为1x1000的向量，对于手写识别的MNIST数据集，其输出层的节点个数为10，因此，从隐层到输出层的权重W为1000x10,隐层到输出层的偏置b为1x10的向量。也就是说，上图所示的只包含1个隐层的神经网络结构，其参数的个数为：784x1000+1x1000+1000x10+1x10=795010,看到了吧！仅仅一张非常小的图像，在仅包含一个隐层的神经网络结构中就需要学习将近80万个参数！！！更不用提更大的图片和更复杂的神经网络结构了！！！

    那么，是否存在一种深层的神经网络模型，在该神经网络模型中，其参数个数能够得到削减，但是不影响其模型的精度？这时，卷积神经网路(Convolutional Neural Networks,CNN)就出现了！

这就是CNN出现的原因，CNN的原理是啥？核心概念有哪些？明日再写。

加油