CNN初解
首先，神经网络（Neural Networks）并不复杂，仅仅是一个专业词汇（唬人词汇），事实上，它远比想象中的要简单很多。
前置需求：一点点线性代数，一点点Python基础（如果都不了解，也能看懂大概）。
1. 初识神经网络（Neural Networks）
1.1 建立模块：神经元（Neurons）
首先神经网络的基本单元就是”神经元（Neurons）”。一个神经元的构成，首先有多个输入，然后对多个输入进行一些数学的运算，最后得到一个输出。 下图是一个典型的2个输入的神经元。
神经元中发生了三件事情：
首先，每个输入乘以一个权重(Weight)：（图中红色方块）
$$
x_1 \rightarrow x_1 * w_1 \
x_2 \rightarrow x_2 * w_2
$$然后，所有的乘了权重之后的输入加到一起，并再加上一个偏置（bias）b：（图中绿色方块)
$$
(x_1 * w_1) + (x_2 * w_2) + b
$$
偏置b在此图中没有画出，后续学习中，可以理解偏置b就是一个权重固定为1的输入，有的教材中就将偏置b，直接等效为一个$$x_0$$乘以一个固定权重为1的输入
$$
(x_0 * 1) + (x_1 * w_1) + (x_2 * w_2)
$$最后，加到一起的和，经过一个激活函数：（图中橙色方块）
$$
y = f(x_1 * w_1 + x_2 * w_2 + b)
$$
这个激活函数主要作用是将一个无界限的输入（多个输入乘以权重相加后，是一个没有确定的界限的值），变为具有良好、可预测形式的输出。如下图的例子，就是一个常用的sogmoid激活函数（当然还有很多其它类型的激活函数，这里不进一步展开）。
