卷积神经网络主要用于图像分类。一张图片通过我们的卷积神经网络也就是Model计算出概率值，通过Cross entropy (交叉熵)归一化到0和1，概率最大的显示为1，其余显示为0。
那么一张图片是怎么输入到Model里面的呢？我们知道图片是一个三维的tensor(张量)，张量可以理解为超过二维的矩阵。以下图举例我们可以写成（100，100，3）的形式，我们需要把这样的图片转化成一维的形式，也就是一个巨大的向量。这个巨大的向量才可以输入到我们的Model里。
Model怎么分辨图片里是什么动物呢？我们人是怎么分辨的，机器就是怎么分辨的。我们一般找图片的特征，比如:鸟嘴，眼睛，爪子等，机器也是这样的。我们深入思考一下，一张图片里的特征只占很小的部分，是不需要看整张图片的。这样处理起来，参数和计算量就少多了。
我们让一个神经元只考虑一小部分的范围，这个小部分的范围叫做Receptive filed(感受野)，用来表示网络内部的不同位置的神经元对原图像的感受范围的大小。把一个Receptive filed 的数据（3，3，3）拉直变成一个27维的向量，输入到神经元里，神经元为这个27维的向量分别添加27个weight再加上一个bias，就可以传入到下一层了。
通常为了让感受野覆盖全部的图片我们会设置stride=2 或者 stride= 1,超出图片的部分使用padding，最经典的kernel size 是3*3。每一个Receptive filed 使用一连串的neurons来守护，比如64，128
第二个观察是，特征会出现在一张图片的不同区域，以下图为例：鸟嘴出现在左上角，左上角的Receptive filed含有侦测鸟嘴的neuron，第二张图的中间也含有侦察鸟嘴的neuron,我们不就有很多重复的neuron了嘛？
我们要做的就是share parameters(共享参数)，让检测鸟嘴的neuron拥有相同的weight和bias. 注意喽，此时的拥有相同参数的neuron不能出现在同一个receptive field。为什么呢？在同一个 receptive field 就是有相同的输入，参数完全一样，那输出也完全一样了。
我们把参数相同的neuron叫做一个filter.
把我们前面介绍的综合到一起，Fully Connected Layer 就是输入一张图片，拉直展平，直接放到Model里面，具有灵活性。在此基础上，我们做了一点点改进，加入了Receptive Filed 每次只侦察图片的一小部分，然后我们有做了一点点改进，让相同功能的neuron参数也相同，也就是参数共享。基于这两个小小改进的网络层叫做Convolutional Layer（卷积层），含有Convolutional Layer（卷积层）的网络叫做Convolutional Neural Network（CNN,卷积神经网络）。
把一张图片做subsampling（下采样），就是生成图像对应的缩略图。如何实现下采样呢? 我们引入了pooling.
Pooling 可以通过下面两张图来说明。
Max Pooling 就是留下每组数据最大的那个数。当然还有Mean Pooling等。
Pooling存在的理由主要是减少运算量。
下面就是一般cnn会用到的网络层。
