大家好~~歡迎來到第二十篇 Deep learning -2

CNN 上一篇是跟大家說到 CNN 的理論，那麼這一篇將會跟大家說明 CNN 的基本算法，上一篇簡單跟大家說到 CNN 的神經架構，也就是 AI 深度學習最大的精隨，那麼他又是透過怎麼樣個算法達到這個神經網路的呢?

上方圖形是為 CNN 不斷的運算方式，將一個資料輸入之後，會經過許多可能性接著將最後決定的結果輸出，不過在圖中只有單向的資料流向，事實上深度學習做到的部分是他是一個巨大迴圈，因為他是經過後天不斷的學習而得到的成果，後天學習有個壞處，就是在一開始數據量不多，所以需要透過後天不斷地給予資料，讓資料庫越來越強大進行運算，但是一旦資料量很充足之後你訓練出來的辨識程度就會變得非常強大，有時候就不輸一般的機器學習。

上圖為 CNN 的另外一個計算示意圖，那麼他到底怎麼計算的呢，第一張圖其實就是他簡易圖的部分，基本上他就是將第一張圖每個部分展開，每一處都有他的計算方式，他將計算方式展開給大家觀看，不過那些算法不是一定的，如果能看到數學式的話，有些人也會把數學式修改過，有時候計算方式會比模組還要來的厲害。

那麼謝謝大家觀看，這裡就簡單跟大家說明 CNN 計算基本上觀念就這樣，下一篇開始會講怎麼進入程式的部分。
Deeplearning

學習，不斷的學習，這是一條非常漫長的路段