CNN在deep learning裡佔了非常大比例的應用，主要用在圖像識別上，架構如下：
CNN的hidden layer包含了m個feature layer，每個feature layer主要利用一個nxn的矩陣來掃視input，可以把這個nxn的矩陣當作放大鏡來觀測圖片裡的特徵，矩陣本身包含著w和b（也就是deep learning裡我們要優化的參數）。
每個hidden layer之後會加上一個pooling layer去減少模型參數的數量，pooling layer本身也是一個矩陣，但矩陣本身沒有包含任何值，主要功能是在掃視圖片時，把當下每個矩陣內的最大值選出來（也有其他的方法比如取平均），因而降低參數數量（downsampling）。
最後則會有一個fully connected hidden layer，來把前面提取到的特徵轉化成分類機率。
iThome鐵人賽
看影片追技術