CNN(卷积神经网络)的理解+基于Tensorflow2.0卷积自编码器
1.卷积神经网络是神经网络的一种，可以很好的处理图像数据。卷积神经网络的思想是通过卷积核(滤波器)，过滤不感兴趣的信息，提取数据的特征，也就是我们感兴趣的数据。卷积核一般是3*3或者5*5的矩阵，图像的像素矩阵和卷积核进行内积，得到原始图像的基本特征。CNN的主要流程有：卷积(卷积本质是一种线性运算，所以此步骤需要激活函数进行非线性化)、padding、池化、反卷积。一般没有设置移动步长的时候，默认是移动卷积核/池化的行的维度大小。2.在CNN中主要有卷积层、padding层、池化层和反卷积层。
