第908章 卷基神经网络CNN

好，那我用一个童话故事的方式，给你讲解卷积神经网络（cNN）的原理，让它听起来就像一个有趣的冒险故事。

?

“图像王国的侦探队”——cNN 的故事

在很久很久以前，有一个图像王国。王国里住着许许多多的小像素精灵，它们排成整齐的方阵（就像一张图片的像素矩阵），每天安安静静地待在自己的小格子里。

有一天，国王收到一个神秘的任务：

“请找出这张图片里的内容，它到底是一只猫，还是一只狗？”

国王立刻召集了王国里最厉害的侦探队——卷积神经网络。

?

第一关：卷积侦探

卷积侦探队的成员很特别，他们有放大镜（卷积核），专门在像素精灵的方阵里巡视。

?\t第一批侦探喜欢找直线、边缘（低级特征）

?\t第二批侦探更厉害，可以看出耳朵、眼睛、胡须（中级特征）

?\t第三批侦探能认出猫脸、狗脸（高级特征）

他们的工作方法是：

?\t拿着放大镜在王国里“滑动”观察，每次只看一小块区域（局部感受野）。

?\t看到有用的特征，就记录在“特征地图”上。

这就好像：第一层卷积核在找线条，第二层卷积核在找形状，第三层卷积核在找完整的物体。

?

第二关：池化守门员

特征地图画得越来越多，国王怕太乱，就请来了池化守门员。

他们的任务是：

?\t只留下最重要的特征（最大池化：取最亮的点）

?\t把地图缩小（降采样），方便传递信息

这样，虽然细节少了，但重要的特征都保留了，而且侦探队跑得更快了。

?

第三关：全连接智囊团

经过多轮侦探调查和池化整理，所有特征地图被送到全连接智囊团。

这些智囊是超级聪明的数学家，他们会：

?\t把所有特征整合成一个长长的清单（展平 Flatten）

?\t根据经验判断，这张图片到底是猫、狗，还是别的东西

?\t最后用 Softmax 水晶球算出各种可能性：

“猫的概率 90%，狗的概率 8%，其他 2%。”

?

故事结局

国王听了汇报，非常满意。

“原来如此！原来卷积侦探、池化守门员、全连接智囊团，合起来就是传说中的**卷积神经网络（cNN）**啊！”

从此以后，只要王国收到新的图片，cNN 侦探队就会一次次出发，精准地识别内容。

?

好，那我给你讲一个**多层感知机（mLp）**的童话故事，让它像绘本一样好理解。

?

“智慧城的信使大赛”——mLp 的故事

在很久很久以前，有一座智慧城。

这座城有三道城门：

?\t第一道是输入门（Input Layer）

?\t中间是一排排智慧屋（hidden Layers）

?\t最后一道是输出门（output Layer）

城里的人非常擅长传递信息，可是，他们传递的方式和普通人不一样——每个人都会加工信息，让它变得更有意义。

?

第一道门：输入门的小邮差

有一天，国王让小邮差送一封神秘的信。信上写着很多数字（输入数据）。

小邮差不是直接送到国王那里，而是先把信拆成几份，送到第一排智慧屋的居民手里。

?

智慧屋的魔法加工

智慧屋里的居民很厉害：

?\t每个人都和上一排