为什么CNN常用于图像的识别？
同样的pattern，在image里面，他可能会出现在image不同的部分，但是它们代表的是同样的含义，同样的形状，也有同样的neural，同样的参数，detector就可以侦测出来。
做Subsampling使图片变小对影响辨识没什么影响
整个CNN实现的过程为：
CNN---Convolution
用3*3的矩阵，从左上角开始，与filter1做内积，得到一个值，然后根据stride参数移动相应的距离，然后接着做内积，直到3*3的矩阵移到右下角。
会有很多的filter，当通过很多的filter以后，我们把它叫做 feature map。
上边介绍的都是灰度图像，那么对于彩色图像呢？彩色图像就是由RGB组成的，是一个立方体，所以此时filter也是一个立方体。
convolution 其实就是fully connected 去掉一些weight的结果。
filter内部的数值即为connect对应的权值weight。
CNN – Max Pooling
将image缩小，分区，选取最大的。
Flatten
flatten就是将数据拉直。
CNN in Keras
What does machine learn?
What does CNN learn?
Deep Dream
将原本像某物的地方更加夸大。
Deep style
More Application--Playing Go
More Application---Speech
参考：https://blog.csdn.net/soulmeetliang/article/details/73188417