4.1 CNN卷积神经网络数学原理及使用（pytorch）

💖💖感谢各位观看这篇文章，💖💖点赞💖💖、收藏💖💖、你的支持是我前进的动力！💖💖💖💖感谢你的阅读💖，专栏文章💖持续更新！💖关注不迷路！!💖CNN（卷积神经网络）主要用于图像处理，相比全连接神经网络（ANN）能显著减少参数数量。CNN通过局部连接、权值共享和池化层实现高效特征提取：局部连接让神经元仅关注图像局部区域；权值共享使相同特征在不同位置使用相同参数；池化层则降低维度保持特征不变性。典型CNN结构包含交替的卷积层、激活函数（如ReLU）、批归一化和池化层，最后通过全连接层进行分类。这种设计有效解决了ANN处理图像时参数过多和局部特征不变性的问题。🥝🥝 为什么用CNNCNN常常被用在影像处理，当然可以用ANN，不一定要用CNN。比如说想做影像分类，就训练一个ANN,input一张图片，把这张图片里面的pixelflatten成为很长的vecto