在前面我們講述了DNN的模型與前向反向傳播算法。而在DNN大類中，卷積神經網絡(Convolutional Neural Networks，以下簡稱CNN)是最為成功的DNN特例之一。CNN廣泛的應用于圖像識別，當然現在也應用于NLP等其他領域，本文我們就對CNN的模型結構做一個總結。

　　　　在學習CNN前，推薦大家先學習DNN的知識。如果不熟悉DNN而去直接學習CNN，難度會比較的大。這是我寫的DNN的教程：

深度神經網絡（DNN）模型與前向傳播算法

深度神經網絡（DNN）反向傳播算法(BP)

深度神經網絡（DNN）損失函數和激活函數的選擇

深度神經網絡（DNN）的正則化

1. CNN的基本結構

　　　　首先我們來看看CNN的基本結構。一個常見的CNN例子如下圖：

總結

以上是生活随笔為你收集整理的卷积神经网络(CNN)模型结构的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。