一图了解卷积神经网络和池化

CNN 特征提取
卷积过程就是通过一个特殊的眼睛，比如每次只看四个像素，并且只看蓝色，这样就生成一种结果。可以通过不同眼睛提取不同的结果，所以卷积的过程本质就是通过不同的特征提取，然后识别出图片，那么本质就是调整不同的眼睛的参数，这个眼睛叫做卷积核。

Pooling 池化类似于简化
与卷积类似，可以有最大池化，平均池化等，但是池化不需要很多核，池化的作用主要有，1降维，保留图片特征，减小图片体积。2降低计算量，图片数据减小，计算就变小。3.防止过拟合，池化层没有要学习的参数，因此可以防止过拟合。图3