笔趣阁

第917章 卷基神经网络CNN童话故事版（第1页）

我用“童话故事”

的方式，把卷积神经网络（net）讲得更形象，帮助你把抽象的数学模型和生活化的逻辑联系起来。

?

net的童话故事版——侦探团队破案记

在一个大城市里，警局接到了一张模糊的监控照片，要确认里面到底是“猫”

还是“狗”

。单靠肉眼，大家意见不一，于是局长决定派出一支特别的侦探团队来破案。

1。第一批侦探：线索搜集员（卷积层）

他们不是去看整张照片，而是拿着小放大镜（卷积核），在不同的角落里找线索。

?t有的专门找边缘（比如胡须线条、耳朵轮廓）。

?t有的专门找纹理（比如毛的斑点）。

?t有的专门找局部形状（比如三角形耳朵还是圆耳朵）。

这些侦探把线索记在小本子上，然后交给下一组人。

2。第二批侦探：整理与过滤员（池化层）

这批侦探不需要所有细节，他们会从一片区域里选出最重要的信息。

?t比如某块区域里有很多毛细节，但他们只保留“是否有尖耳朵”

这种核心信息。

?t就像做笔记，把重点圈出来，其余的删掉。

这样一来，笔记本越来越精简，但关键特征都保留下来了。

3。第三批侦探：推理专家（全连接层）

推理专家不再盯着局部，而是把之前的所有线索拼接在一起：

?t耳朵尖=猫的可能性大；

?t嘴巴长+舌头外伸=狗的可能性大；

?t胡须长+动作轻盈=猫的特征。

最终，他们得出结论：“这张照片里更可能是一只猫！”

4。局长：判决官（softmax层）

局长不会直接说“猫”

，而是会给出一个概率：

?t猫：8o%

?t狗：2o%

然后根据概率最高的类别宣布判决。

?

net团队的协作逻辑

这个故事揭示了net的工作方式：