你看到的最直白清晰的CNN讲解

这篇博客介绍的是深度神经网络中常用在图像处理的模型——卷积神经网络（CNN），CNN在图像分类中（如kaggle的猫狗大战）大显身手。这篇博客将带你了解图像在计算机中是如何存储的，什么是卷积，卷积神经网络的四个重要环节（局部感知、参数共享、多卷积核、池化），不会涉及复杂的公式。

计算机是怎么存储图片的

为了更好的理解计算机对图片的存储，我找了一个非常简单的图片，是一个385*385（像素）的jpg格式的图片，如图1所示，这个图片就是一个白色为底色，数字为黑色的数字“2”，也就是说，图片中只涉及两种颜色——黑与白（实际上并不是，因为图片在显示器中显示是一个像素一个像素的，黑白相间的地方其实并不是纯黑或者纯白的，将图片经过稍后描述的处理后也可以看出来，不过简单起见，我们就当它是黑白两色的）。

图1

可以使用scipy包中的imread函数将图片转换为数值型矩阵

上面的代码不用太过研究，能实现这个过程的方法很多。其实图片在计算机中就是数字，385*385=148225，图片中有148225个数字，每个数字其实就是该像素的颜色对应的数值（如白色是255），那么我们来看一下图片转换成为的矩阵是什么样子，如图2所示（我把csv按比例缩放了一下，看的比较清楚）。

转自：大数据挖掘DT数据分析