个人对卷积神经网络的理解

个人对卷积神经网络的理解

从入学开始到现在接触深度学习马上一年了，今天总结一下自己对卷积的理解，可能有理解不到位，欢迎大家批评指正！
卷积神经网络网络通常是由多个不同中间层组成，包括卷积层、池化层、全连接层等，通常采用卷积神经网络训练时大致流程当我们给定一张输入图像经过不同的网络层，经过正向传播得到最后的输出层，然后计算预测值和真实值的差值作为误差损失。然后通过对损失求导的方式将误差进行反向传播，经过每层神经网络时使用优化器来更新模型参数这样就完成了一次迭代，通常情况下是不断重复这个过程直到模型收敛。
卷积到底是什么东西呢？其实一句话概括，卷积层主要是来提取特征。卷积的发现是仿照人大脑来设计，生物学者在研究人大脑时候发现人的视觉中枢的神经元上有很多小的接受域，会对视觉中的小的接受域范围内的视觉刺激做出反应。受这一点的启发，卷积也就出现了。卷积操作中也存在一个接受域也就是卷积核来回扫描图片，卷积核的接受域是重叠的，它们共同组成了完整的视野。