初识卷积神经网络
卷积神经网络是一类特殊的人工神经网络，区别于神经网络其他模型，卷积神经网络的主要操作是卷积运算操作。因此，CNN在诸多领域应用特别是图像相关任务上表现优异。例如：图像分类、图像语义分割、图像检索、物体检测等计算机视觉问题。
基本结构
卷积神经网络是一种层次模型，其输入是原始数据，如RGB图像，原始音频数据等。卷积神经网络通过卷积操作，汇合操作和非线性**函数映射等一系列操作的层层堆叠，将高层语义信息逐层由原始数据输入层中抽取出来，逐层抽象，这一过程便是前馈运算。
不同类型操作在卷积神经网络中一般称为“层”：卷积操作对应的是卷积层，汇合操作对应的是汇和层，卷积神经网络的最后一层将目标任务（分类，回归等）形式化为目标函数。通过计算预测值和真实值之间的误差或损失，凭借反向传播算法将误差或损失由最后一层逐层向前反馈，更新每层参数，并在更新参数后再次前馈，如此往复，直到模型收敛，从而达到模型训练的目的。