前言
在了解過深度學習的概論後，接下來幾天的文章將要介紹深度學習中使用的演算法，今天的文章將會介紹卷積神經網路 （CNN）。
卷積神經網路(CNN)
CNN的結構主要分為三層:
1.卷積層:以圖像的每一點為中心，取周遭 N x N 格的點構成一個面，每一格給予不同的權重，計算加權總和，當作這一點的 output，再移動至下一點以相同方式處理，至圖像的最後一點為止。
2.池化層:壓縮圖片並保留重要資訊的方法，取樣的方法一樣是採滑動視窗，但是通常取最大值，而非加權總和，保留局部範圍比對的最大可能性，所以池化後的資訊更專注於圖片中是否存在相符的特徵。
3.全連接層:當池化層中的拼合矩陣作為輸入饋送時，將形成完全連接的層，該輸入對圖像進行分類和標識。
圖片來源
https://kilong31442.medium.com/top-10-%E6%82%A8%E6%87%89%E8%A9%B2%E8%A6%81%E5%AD%B8%E6%9C%83%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%BC%94%E7%AE%97%E6%B3%95-fundamental-review-series-d8c69897e010
參考資料
https://ithelp.ithome.com.tw/articles/10191820
https://kilong31442.medium.com/top-10-%E6%82%A8%E6%87%89%E8%A9%B2%E8%A6%81%E5%AD%B8%E6%9C%83%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%BC%94%E7%AE%97%E6%B3%95-fundamental-review-series-d8c69897e010
iThome鐵人賽
看影片追技術