CNN简单例子-手写数字 Simple explanation of convolutional neural network(作者codebasics)笔记

卷积神经网络

例子引入

一张图片判断是不是考拉
图片尺寸1920x1080x3 ~ 6 million
隐藏层神经元(neuron) ~ 4 million
如果用ANN 人工神经网络 全部全连接 计算量太大

人脑如何判断是不是考拉

这是考拉的眼睛吗？ 耳朵？ 鼻子？ -> 考拉的头
这是考拉的手吗？这是考拉的脚吗？-> 考拉的身体
这是考拉的头吗？这是考拉的身体吗？-> 这就是只考拉！
人脑通过特征提取一步步判断是不是考拉。

特征探测器(被称为卷积核)

Are you kernel? I am Filter!卷积核重要吗？重要的是过滤特征不是运算！
考拉的眼睛耳朵鼻子 用眼睛卷积核，耳朵卷积核，和鼻子卷积核得到三个feature map特征图 继续用头卷积核得到特征图
将头特征图和身体特征图展平成一维长长的向量用于最后的ANN

持续不断地进行filter（卷积）和池化若干次 最终展平(flatten)得到全连接层
CNN 越深，它学习到的特征就越抽象和复杂。 它是一个考拉->它是一个哺乳类动物->它是一个动物->它是一个能移动的物体->它是动物园的资产 抽象程度越来越深

"9"由三部分组成 ①一个圆圈,②一定长度的竖线和③下方的一撇。
所以三个卷积核（过滤器）就是①一个由1包围-1的圆圈 ②一个竖直长度为3的直线 ③ 一个左下到右上长度为3一撇

池化层

目的是把1920*1080运算量大大降低
太简单了
不就是在相邻的一组数字中找里面最大的一个吗

展平flatten指的是 比如手写数字几万张28*28张的图片 (60000,28,28)矩阵变成(60000,784) 一张图片的二维xy信息变成了一个长长的向量 只改变数据的“外观”不改变数据的数量
tf.confusion_matrix 混淆矩阵 直观评估分类

gemini
 第一部分：特征提取 (Feature Extraction)
这部分是 CNN 的创新之处，由多个**卷积层（Convolution）和池化层（Pooling）**堆叠而成。它的目标是自动从原始像素数据中学习和提取有意义的、抽象的特征。
1. 初始阶段：提取低级特征 (Low-Level Features)输入： 原始图像（考拉）。操作： Convolution + ReLU卷积 (Convolution)： 使用一组滤波器（例如 $3 \times 3$ 矩阵）在图像上滑动，提取局部特征，如边缘、线条、颜色斑点。ReLU： 激活函数，引入非线性，使网络能学习更复杂的模式。输出： 产生多张特征图 (Feature Maps)，代表网络学到的低级特征，如“Eye, nose, ears etc”的局部纹理和边缘信息。操作： Pooling (池化)作用： 缩小特征图尺寸（例如，将 $2 \times 2$ 区域的最大值取出）。意义： 减少参数和计算量，并提供平移不变性（即使特征移动了一点点，池化后结果可能不变）。
2. 深层阶段：提取高级特征 (High-Level Features)操作： 再次进行 Convolution + ReLU 和 Pooling。意义： 随着数据的深入，网络将低级特征组合起来，学习更抽象、更复杂的高级特征。输出： 产生代表“Head, body”等复杂部件的特征图。CNN 越深，它学习到的特征就越抽象和复杂。
🧩 第二部分：分类 (Classification)在特征提取完成后，我们需要使用传统的全连接神经网络来根据提取到的特征进行最终的判断。
1. 展平 (Flatten)操作： 将经过多次卷积和池化后的所有三维特征图展平为一个长长的特征向量。意义： 这一步是为了将数据转换为全连接层 (Dense Layer) 可以接受的一维格式。
2. 全连接与 Softmax (Dense/Classification Layer)操作： 将展平后的特征向量输入到一层或多层全连接层（图中的右侧部分）。激活函数： 最后一层使用 Softmax 激活函数。输出： 输出层有 $N$ 个神经元（如果您的任务是判断 $N$ 个类别）。Softmax 会将这些输出转化为概率分布，告诉您这张图片属于每个类别的概率。最终判断： 模型会选择概率最高的那个类别作为预测结果，即回答 “Is this Koala?” 的问题。
总结 CNN 的优势这个架构完美地结合了两种网络的优点：
左侧 (CNN)： 高效地处理图像的空间信息，并自动提取分层的、越来越抽象的特征。
右侧 (ANN)： 负责接收这些提取好的抽象特征，并执行最终的决策分类。