2.4.2　卷积神经网络

卷积神经网络（CNN）是一种专门用来处理具有类似网格结构的数据的神经网络，如图像数据（可以看作二维的像素网格）。与FC不同的地方在于，CNN的上下层神经元并不都能直接连接，而是通过“卷积核”作为中介，通过“核”的共享大大减少了隐藏层的参数。简单的CNN是一系列层，并且每个层都通过一个可微函数将一个量转化为另一个量，这些层主要包括卷积层（Convolutional Layer）、池化层（Pooling Layer）和全连接层（FC Layer）。卷积网络在诸多应用领域都有很好的应用效果，特别是在大型图像处理的场景中表现得格外出色。图2-8展示了CNN的结构形式，一个神经元以三维排列组成卷积神经网络（宽度、高度和深度），如其中一个层展示的那样，CNN的每一层都将3D的输入量转化成3D的输出量。关于卷积神经网络的具体内容会在本书第6章展开介绍。

图2-8　CNN的结构形式