开始接触卷积神经网络已经有快三个星期了。觉得还是有一些概念，要刚开始知道会比较容易理解这个东西。
1.什么是卷积神经网络
其实这个东西应该是这样读的，卷积 神经网络。卷积是用来提取特征的，神经网络是用来分类的。合起来就是，卷积神经网络用来提取特征然后分类的。下面继续解释
2.为什么卷积可以提取特征
在使用卷积神经网络时，经常看到一个概念叫做卷积核（滤波器），这个东西为什么可以提取特征呢。举个可能不恰当的例子，例如，你现在有一堆混合物（大米+红豆+大豆），要对它们进行分类，这个使用你使用一个筛子，这个筛子就类似于上面说的卷积核（滤波器），你通过改变它，既可以提取特征。就像你改变你的筛子大小，最小的时候，你只能筛出大米，别的东西无法通过筛子，你的卷积核就提取了大米的特征。
3.什么是神经网络
如上图所示，这就是一个神经网络的结构，简单来说，就是输入层（两个神经元，红色）--->隐藏层（三个神经元，绿色）--->输出层（两个神经元，黄色）。即，给定了输入，最后得到输出。为什么可以分类，我也不太清楚，可以自行百度。
4.使用卷积神经网络的实际例子
用大白话举例过程，原理是这样的，但是实际操作会有一些别的不通。比如用卷积神经网络训练了一个可以识别猫、狗图像的AI。
1.把海量的猫图片、狗图片作为输入
2.当输入猫图片时，让训练模型输出为A
3.当输入狗图片时，让训练模型输出为B
4.当训练的时候，海量的训练数据就会反复调整卷积核，不停的改变参数（也就是学习），最后拿到最优的模型
5.最后，使用时当你给定一张猫的图片的时候，猫图片输入模型，模型会预测出这张图最大概率结果是A。如果输入的是狗的图片，则这张图最大概率是B
最后有两点要说一说
1.其实使用卷积神经网络训练AI并没有想象的那么可怕，会自己思考，什么的七七八八。你必须事先告诉它结果。例如，你给他一巴掌作为输入时，输出为AI给你100元。当训练完之后，你给它一巴掌，它只会给你100元，并不会反过来打你一巴掌。
2.要想使用卷积神经网络训练AI，必须要规定相应的输入和输出作为训练，这个输入和输出是我们程序员自己定的。