卷积神经网络的认识之感谈

神经网络在利用代码进行训练集测试的时候，对于一些电脑硬件是有一定要求的。

对于调整训练神经网络的软件要求，对电脑硬件的要求很高，对GPU和CUP的要求都是很高的，有的甚至于需要其他的操作系统来说，可以调高其运行速度，因为训练时间的长短，有时取决于硬件设备的要求。

网络有深层和浅层的设置，对于通过对神经网络的深层和浅层的参数设置，进行对神经网络的训练，最终取得训练集结果。

通过一个全连接层的的输入，首先是输入一个图片矩阵，然后对卷积层的矩阵进行变换，通过池化层的变换，最终得到输出层。

通过调参数和设置参数，一般得到的训练结果都是挺满意的。

在文章的学习中，我们了解到很多不同于以往的训练结果，发现了神经网络运行的机制和原理，在今后的学习中，需要不断的了解神经网络的关键点。

我们在训练集的时候，渐渐的发现了很多问题，当我们对卷积池化层发出了疑问，并且试着提出了其是否可以提高卷积分类后的准确性。

这个过程是一个复杂和漫长的过程，测试训练集过程中，需要改变原有的思维，有的时候换一个角度，或者解决的思路会更加清晰。