分析图片的时候是否需要一个创建一个10001000的络层，答案是不需要的，相反可以创建一个2020的输入层。
就好像是下面有一个很大的图片，在图片的上面有一个小纸板。
第一次把这个纸板放在了图片的左上角，只取出来被覆盖的这一部分的像素进行处理，然后把这个纸板向右移动一个像素，再取一部分像素进行处理。
有的人有疑问，这样不是第二次取的像素和第一次重复的很多吗？
没错就是有很多的重复，这个算法就是要这么搞，只有这样的滑动窗口，才能体现出来这个图片像素的空间位置，才能把像素之间的关系也都考虑进去。
而不是像以前有一种识别手写的图片中的数字的例子，机器学习的入门课程，就是识别手写数字，有人统计，只有正确率达到了百分之九十九多的时候，机器识别才有作用。
最经典的一个例子就是，把所有的像素都从左到右，从上到下，一个一个的都并排排好，形成一个单个的像素线。
写一个方程式来求几个参数，给出来一些训练数据，让计算机自己发现规律，找到其中的关联，从而得到一个最好的方程的解。
但是这种计算出来的结果正确的识别率只有可怜的百分之十多。
如果用卷积神经络来稍加改造就能让识别率达到百分之九十九以上。
可见，卷积神经络对图片的分类来说是最好的一个算法。
不过也是有一个问题，它需要大量的数据，对于能获得大量的数据的场景这个算法是很不错的，但是如果不能获得很多数据，它的效果就没有那么好了。
第253章 毛毛虫(3/4)