本章介绍了 CNN。构成 CNN 的基本模块的卷积层和池化层虽然有些复杂，但是一旦理解了，之后就只是如何使用它们的问题了。本章为了使读者在实现层面上理解卷积层和池化层，花了不少时间进行介绍。在图像处理领域，几乎毫无例外地都会使用 CNN。请扎实地理解本章的内容，然后进入最后一章的学习。
本章所学的内容
CNN在此前的全连接层的网络中新增了卷积层和池化层。
使用im2col 函数可以简单、高效地实现卷积层和池化层。
通过CNN的可视化，可知随着层次变深，提取的信息愈加高级。
LeNet和AlexNet是CNN的代表性网络。
在深度学习的发展中，大数据和GPU做出了很大的贡献。
