卷积神经网络，简称 CNN，是深度学习代表算法之一，主要运用于图像处理和图像识别等领域。

CNN 在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。

本次分享将会从以下几点来讲解 CNN：

1. CNN 的基本结构包括输入层、卷积层、池化层、输出层等

2. CNN 训练过程中向前传播和向后传播的原理

3. 使用 Keras + CNN 识别 MNIST 手写数字

4. 使用 Keras + CNN 识别 CIFAR-10 照片图像，图像一共 10 个类别如：飞机、汽车、鸟、猫、鹿 、狗、青蛙、马、船、卡车

本场 Chat 作者：小兔子

做过 3 年大数据工作，主要做大数据实时处理。熟练掌握大数据主流框架。近几年主要做人工智能图像算法分析，熟练掌握 Tensorflow、Keras、Pytorch 等主流框架，深刻理解机器学习各种常用算法，深度学习卷积网络、递归神经网络、目标检测等。

扫码查看本场 Chat 

▼

点击阅读原文，订阅本场 Chat 开始学习