深度学习专题交流（第11~14次课）：卷积神经网络基本原理

可点击此处访问本讲座的在线幻灯片

本讲介绍了卷积神经网络的数学原理，需要掌握的内容包括如下几点：

1. 理解卷积的物理意义
2. 理解DNN的缺陷，以及CNN如何克服DNN的缺陷
3. 理解CNN的卷积层和池化层的作用
4. 掌握CNN的前向传播算法
5. 能手工推导CNN反向传播算法中池化层、卷积层的delta迭代公式
6. 能手工推导卷积层对W,b的导数

课后请同学们自学使用Tensorflow搭建CNN。