16 从 MLP 到 CNN，以及 CNN 统一提特征及决策
本节课为「计算机视觉 CV 核心知识」第 16 节；
「AI秘籍」系列课程：
可直接在橱窗里购买，或者到文末领取优惠后购买：
Hi，大家好。我是茶桁。
上一节课中，我们理解了卷积的意义。以后看到卷积神经网络，知道它跟傅立叶变换之间的关系，知道它是在滤什么波，起码能知道它的意义。
这一节课我们就来讨论一下：卷积既然这么有用，它可以从一个侧面，从另外一个维度去观察特征，观察向量。所以说卷积在我们图像提特征方面肯定要发挥作用的。
我们今天就来看另外一个内容：从 MLP 到 CNN。MLP 是多层感知机（MLP Multi layer perception）。
多层感知机中的基本单元叫神经元，神经元的基本结构就是下图中的这样：
我们可以看一下神经元基本结构。
对于 CNN 这种模型出来之后，在有了这个思路之后我们首要的问题就是要减小计算量。在提升性能的情况下尽量的让计算量减小，或者说先紧着我们现在的算力设计出一个模型，然后来减少计算量。
那么下一节课中，咱们就研究一下如何加速 CNN。
收费课程，详情请查看原文
16 从 MLP 到 CNN，以及 CNN 统一提特征及决策
