最全面的卷积神经网络介绍，都在这里了（附代码）

作者：读芯术

文章来源：微信公众号 数据派THU

手把手教你使用卷积精神网络构建图像分类器。

图片来源：pexels.com

神经网络由具有权重和偏差的神经元组成。通过在训练过程中调整这些权重和偏差，以提出良好的学习模型。每个神经元接收一组输入，以某种方式处理它，然后输出一个值。如果构建一个具有多层的神经网络，则将其称为深度神经网络。处理这些深度神经网络的人工智能学分支被称为深度学习。

普通神经网络的主要缺点是其忽略了输入数据的结构。在将数据馈送到神经网络之前，所有数据都将转换为一维数组。这适用于常规数据，但在处理图像时会遇到困难。

考虑到灰度图像是2D结构，像素的空间排列有很多隐藏信息。若忽略这些信息，则将失去许多潜在的模式。这就是卷积神经网络（CNN）被引入图像处理的原因。CNN在处理图像时会考虑图像的2D结构。

CNN也是由具有权重和偏差