文档摘要

卷积神经网络 卷积神经网络（CNN）直接从像素数据中学习空间特征层级，用梯度优化得到的滤波器取代手工设计的那一套。本文件涵盖卷积机制、池化、步长、空洞卷积、感受野，以及定义了图像分类的里程碑式架构（LeNet、AlexNet、VGG、ResNet、Inception、EfficientNet）。 在文件 01 里，我们手工设计了用于边缘检测、模糊和角点检测的滤波器。一个很自然的问题是：我们能不能从数据里学到最优的滤波器？这正是卷积神经网络（CNN）所做的事情。 CNN 不再靠手工挑选滤波器权重，而是通过梯度下降（第 6 章）来学，从而发现对当前任务直接有用的特征。 在第 6 章里，我们介绍过卷积运算、CNN 的基础以及"学习滤波器"这个想法。

---