CNN网络层的知识有哪些

这篇文章给大家介绍CNN网络层的知识有哪些，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

卷积神经网络（CNN）由输入（Inputs）、卷积层（Convolutions layer）、激活层（Activation）、池化层（Pooling layer）和全连接层(Fully Connected,  FC)成。这句话的意思是CNN里面可以有这些层，但是每种网络层（Layer）的个数理论上是可以任意多个的。这也就有了后来的AlexNet，GoogLeNet，ResNet等著名的网络结构，后面我会选择一两个介绍下吧。他们的主要区别就在于Layer的深度不一样，也就是Layer的数量。一般来说Layer越深，能学习到的特征就越多。但是Layer越多需要的数据量就越大，需要的计算资源也就更多。但是近几年大量可获得的数据的出现(ImageNet Datasets)，更牛皮的GPU (NVIDIA)，促进了Layer向更深的方向发展。

今天呢我还是会再举个栗子，通过下面这张图，把CNN涉及到的网络层的一些细节逐一介绍。

图1：卷积神经网络细节图（来源于网络）

我们从左往右逐个先大概浏览一下，首先是一张31x39x1大小的一张灰度图，然后通过4个Convolution layer，3个Pooling layer, 一个FC，最后是一个用于分类的SoftMax layer。如果换做彩色图，也是可以的，对于灰度图和彩色图处理上的区别，可能就在于最开始的通道数（channel number）不一样，其实并不影响什么，通过卷积之后得到的特征图（FeatureMaps），其实就是通道（channel）。

1.  Inputs-->Convolutional layer1-->max-Pooling1

        输入是一张图片，然后对他做一系列的处理计算，最后就能知道它是什么，比如说可以知道它是一个人头像的照片。

然后我们看一下细节的东西，图片的中间有一个4x4x1大小的卷积核。通过Convolutional layer 1得到一个28x36x20大小的Feature Maps。这里有个公式之前提到过，就是（31-4+1）x（39-4+1）=28x36。如果图片大小和卷积核大小变了，还是一样的计算方法哈。这里是没有加边缘的，就是之前提到过得Zero Padding，后面遇到了再说细节。为什么是20个Feature Maps呢？是因为它用了20个4x4大小的卷积核对图像做卷积处理。为什么要用20个呢？是因为特征图越多，可以学习到的特征就越多。那可不可以用更大的数字？可以的。但是不保证效果一定就好。

还是那句话，deep learning是一门实验性极强的学科，参数的设置都是要通过具体的问题，经过多次实验最终得到的。所以说做deep learning是一个很费时间，资源的工作。还记得我刚开始要学deep learning的时候，有人就说不建议一个人去搞这个，最好有个团队，因为无论从硬件和软件，都是一个挑战，我敢说国内很多大学的实验室，是没有相关的计算资源的。当时我就不明白为啥一个人不行，所以我傻乎乎的坚持学，哎，想想那个过程，都是泪！！！如果你现在的状态和我开始的时候是一样的，我建议keep going，you can do it better ! 打好基础，问题会一步步解决的！卷积层就说到这，下面再看一下Pooling。

你可能也注意到了，这张图写的Max-Pooling，也叫最大值池化。那有没有别的Pooling？有。还有一种但没有Max更常用的叫做均值Pooling，Mean-Pooling。从名称上应该就能体会到他们的区别，MaxPooling呢就是取池化窗口（Pooling Window）中最大的那个值最为新的值，MeanPooling呢就是取平均值。上图的Pooling Window的池化大小（Pooling size）是2x2,也就是一个window里面有4个值，对吧，然后max一下，就是把最大的取出来。先别想整幅图，就看这个2x2大小的图，Pooling之后相当于把长和宽都取了一半，对不对？2x2取最大值，那不就剩下1个数了，1个就是1x1大小。那么对于整副图来说，图片的大小也就变为原来的一半。那么问题来了，为什么要做Pooling？不做行不行？

一般来说，Pooling可以减小输入的大小，加速模型的训练过程。但是这样做会不会造成信息的损失呢？损失肯定是有的，但是相比如训练时间以及最后的准确度，这点损失几乎可以忽略。为什么可以忽略？那是因为图片具有“静态性”的属性，简单说就是一副图片相邻区域的特征几乎一样，想想实际生活中的图片正是这样的，你懂的！

然后说了这么多，貌似没有提到Activation，Activation一般是加在Convolutional后面，Activation的作用呢就是激活。怎么理解激活呢，从神经学的角度来说，有些神经元通过卷积之后可能就died了，所以激活一下，让他活过来。好了别闹了，我们处理的是图片，明显是无生命的东西。从数学的角度讲，Activation就是为了把一些丢失的值给变回来，来弥补Convolutional造成的信息的损失， Activation通常有很多种做法，不同的做法对应不同的激活函数（Activationfunction）。常见的之前提到过，比如softmax，relu，Leak relu，tanh，sigmoid等。区别是什么呢？这个各位看官自己去查一下吧，不难，就是几个数学公式，我举个栗子吧，不想单独讲一次了。比如我们的relu，公式是

F(x) = max(0, x)

是不是很简单！relu就是把输入x和0比较一下，取最大值，说白了就是把正数保留，负数变为0。函数图像就不画了，但是各位要去看一下哦~。

图2： （./copy图1.sh ）（方便看）

2.  Convolutional layer 4--> Deephidden identity features

         在这个之前把1 Inputs-->Convolutional layer1-->max-Pooling1再double一下就可以了，计算方法完全一样，其实你也可以triple kill，quadruple kill，甚至 penta kill一下。都是没得问题的。只不过需要注意的是，不论你用什么框架，TensorFlow，Keras，还是Caffe，还是别的，都要注意他们先后的参数设置，要保证正确。如果不正确就会导致前一个Layer的输出无法作为后一个Layer的输入，说白了就是要匹配。如果不懂，可以去尝试写n个这样的循环，先不考虑最后分类的结果怎么样，n你自己定，然后你就明白了。（为了让大家动手写，我也是操碎了心呐！）

到了Convolutional 4的时候，原始图片变为了80个1x2的Feature Maps。最后这个FC稍微有点特殊，特殊之处在于他的一部分是Convolutional layer 4，一部分是Max-Pooling layer 3。暂且可以不考虑那么多，就说Convolutionallayer 4，他经过FC之后，变为80x2x1=160维特征的一个特征向量。Deep hidden identity features就是经过前面这一系列完美（乱七八糟）的计算得到的深层的关于输入图像的特征。到这里应该明白了什么是FC，简单说就是把上一个layer的特征全部铺平（Dense）了。

关于特征（Features）其实坑点也挺多的，在Machine Learning里面Feature selection 也是一个重要的课题，后面再讲吧。最后面的那个Soft-max layer，就是把FC做一个多分类回归，关于soft-max分类呢，他是sigmoid的一个推广，sigmoid一般解决二分类问题，而soft-max呢是多分类。细节请关注后续分享！

关于CNN网络层的知识有哪些就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。