好，那我用一個童話故事的方式，給你講解卷積神經網絡（n）的原理，讓它听起來就像一個有趣的冒險故事。
?
“圖像王國的偵探隊”——n 的故事
在很久很久以前，有一個圖像王國。王國里住著許許多多的小像素精靈，它們排成整齊的方陣（就像一張圖片的像素矩陣），每天安安靜靜地待在自己的小格子里。
有一天，國王收到一個神秘的任務
“請找出這張圖片里的內容，它到底是一只貓，還是一只狗？”
國王立刻召集了王國里最厲害的偵探隊——卷積神經網絡。
?
第一關卷積偵探
卷積偵探隊的成員很特別，他們有放大鏡（卷積核），專門在像素精靈的方陣里巡視。
? 第一批偵探喜歡找直線、邊緣（低級特征）
? 第二批偵探更厲害，可以看出耳朵、眼楮、胡須（中級特征）
? 第三批偵探能認出貓臉、狗臉（高級特征）
他們的工作方法是
? 拿著放大鏡在王國里“滑動”觀察，每次只看一小塊區域（局部感受野）。
? 看到有用的特征，就記錄在“特征地圖”上。
這就好像第一層卷積核在找線條，第二層卷積核在找形狀，第三層卷積核在找完整的物體。
?
第二關池化守門員
特征地圖畫得越來越多，國王怕太亂，就請來了池化守門員。
他們的任務是
? 只留下最重要的特征（最大池化取最亮的點）
? 把地圖縮小（降采樣），方便傳遞信息
這樣，雖然細節少了，但重要的特征都保留了，而且偵探隊跑得更快了。
?
第三關全連接智囊團
經過多輪偵探調查和池化整理，所有特征地圖被送到全連接智囊團。
這些智囊是超級聰明的數學家，他們會
? 把所有特征整合成一個長長的清單（展平 ftten）
? 根據經驗判斷，這張圖片到底是貓、狗，還是別的東西
? 最後用 ftax 水晶球算出各種可能性
“貓的概率 90，狗的概率 8，其他 2。”
?
故事結局
國王听了匯報，非常滿意。
“原來如此！原來卷積偵探、池化守門員、全連接智囊團，合起來就是傳說中的卷積神經網絡（n）啊！”
從此以後，只要王國收到新的圖片，n 偵探隊就會一次次出發，精準地識別內容。
?
好，那我給你講一個多層感知機（lp）的童話故事，讓它像繪本一樣好理解。
?
“智慧城的信使大賽”——lp 的故事
在很久很久以前，有一座智慧城。
這座城有三道城門
? 第一道是輸入門（put yer）
? 中間是一排排智慧屋（hidden yers）
? 最後一道是輸出門（output yer）
城里的人非常擅長傳遞信息，可是，他們傳遞的方式和普通人不一樣——每個人都會加工信息，讓它變得更有意義。
?
第一道門輸入門的小郵差
有一天，國王讓小郵差送一封神秘的信。信上寫著很多數字（輸入數據）。
小郵差不是直接送到國王那里，而是先把信拆成幾份，送到第一排智慧屋的居民手里。
?
智慧屋的魔法加工
智慧屋里的居民很厲害
? 每個人都和上一排的所有人有電話線（全連接）相連。
? 他們會先乘以權重（eight），再加上偏置（bias），最後用一個魔法激活函數（activation function）決定信息的重要性。
? 有人用“re 魔法”——只傳遞正能量（大于 0 的信息），小于 0 的直接丟掉。
? 有人用“siid 魔法”——把信息變成 0 到 1 之間的秘密代碼。
這樣，第一排智慧屋加工後的信息會傳到下一排智慧屋，再加工、再傳遞……
這就是多層處理——信息一層層被轉化、提煉。
?
最後一道門輸出門的預言家
當信息終于傳到輸出門，住在這里的預言家會用ftax 水晶球，看看哪種可能性最大
“這封信的意思是——貓的概率 70，狗的概率 101novel.com，兔子的概率 10。”
?
lp 的特別之處
? 全連接每個居民都和上一層的每個人相連，消息傳遞非常徹底。
? 層層加工每一層都能把信息變得更抽象、更有意義。
? 萬能翻譯官理論上，lp 只要層數夠、神經元夠，就能翻譯出任何信息（萬能近似定理）。
?
故事結局
國王笑著說
“原來，智慧城的秘密就是多層感知機啊！每一層的智慧屋都像一個大腦細胞，合作起來，就能理解任何復雜的信息。”
從此以後，智慧城的信使大賽年年舉行，lp 居民們不斷優化加工方法，讓信息傳遞得更快、更準確。
?
喜歡職場小聰明請大家收藏101novel.com職場小聰明101novel.com更新速度全網最快。