用通俗的话总的来说，就是利用大数据抽取规律，再利用规律去预测（回归）、分类、聚类未知的输入，得到输出（结果）。

单说图片识别：

这里面的大数据就是已知的输入（图片）和已知的结果（图片的标签），抽取规律也就是相应的算法（卷及神经网络），预测、分类、聚类就是得到图片的结果（图片识别）。

可以分为以下几步：

第一步：数据的预处理。

图片是由一个一个的像素组成的，就拿入门的案例说吧，MNIST数据集，是一个手写数字的数据集，每一张图片都是由28×28个像素点形成的。

就像这样：

总共有60000张这样的图片，而图片的标签（也就是结果）也是已知的（0~9），那么设输入为x输出为y，

计算机是无法读懂图片的，所以我们要将图片转换成计算机所能认识的东东。

矩阵：

x就是一个28×28的矩阵每一个点表示图片中相应位置的灰度。有的神经网络为了更简化的计算，将28×28 的矩阵，转换为一个1×784的向量（一维矩阵）。这里的x是28×28×1，这个1表示的是单通道，也就是只有一种颜色。如果是彩色图片的话，那么就应该是28×28×3，这个3表示的是RGB三个颜色通道。

y就是一个数字，0~9。

有些算法还会降x，y进行归一化，也就是转换为0~1之间的矩阵、数字。

第二步：抽取特征。

卷积（特征提取）的具体计算方法：

其中input为输入，filter叫做卷积核（暂且理解为滤波器），output叫做特征图，特征图的个数和filter的个数是相同的（filter W0、filter W1）。既然是矩阵，那么可以设中间的参数是W，于是就有Wx+b = output。这里的W是我们最终要训练出来的。

计算方法：

w0与x蓝色区域做内积（对应位置相乘后相加）：

f1第1层 = 0×1+ 0×1+ 0×1 + 0×-1+ 1×-1+ 1×0 + 0×-1+1×1+1×0 = 0

f1第2层 = 0×-1+0×-1+0×1 +0×-1+0×1+1×0 +0×-1+2×1+2×0 = 2

f1第3层 = 0×1+0×0+0×-1+ 0×0+2×0+2×0+ 0×1+0×-1+0×-1+ = 0

那么根据神经网络得分函数：f（x，w） = wx+b

这里的b =1

那么输出的得分值就为f1+f2+f3+b = 0+2+0+1 =3

最右边绿色的矩阵第1行，第1列，就是3

将卷积核在输入矩阵滑动，

同理可以计算

这里的输出叫做特征图。

这里就可以看出，经过卷积核Filter（滤波器），将图片浓缩了，浓缩之后，再进行一次非线性的处理，用一些非线性的函数将线性结果非线性化（叫做激活函数），这层叫作卷积层。

这里只是一层，大型数据集（输入很多的情况）一层是不够的，需要很多层，输入-卷积-输出-卷积-输出........。

比如VGG-16，就有16个卷积层。

进一步浓缩叫做池化层。

同样有一个filter，将特征图进行MAX（取最大值）或者MEAN（取均值），进一步浓缩特征。

浓缩完特征之后，接着后面的层叫做全连接层。

就是将权重参数W（矩阵），分别乘以池化完成的结果，得到最终的分类结果比如前边所说的0~9的手写字体，要分10个类别，如果池化完成的结果是1×64，那么全连接层就应该是64×10，最终得到1×10的矩阵，就是分类0~9的结果。

以上最重要的就是要求W，也就是最前边说的，根据大数据找规律。

第三步：参数更新

那么还有问题，W是多少谁知道？

没人知道，这里是根据计算机一步一步的试出来的，

先随机的给出一组W，算出结果Y1，利用已知的x当做输入，用已知的y与y1坐差值，那么Y1-y就会有一个差值，就是预测值和真实值的差值。称作损失函数，有些叫做代价函数。当代价函数最小的时候，预测值Y1和真实值y的差距越来越小，当差距在我们可以接受的范围内，那么就可以认为，由权重参数W生成的Y1可以对输入x进行预测和分类。

那么如何让损失函数最小呢？这里并不是求导后求极值点，而是对损失函数求导数，调整W，使得差值沿着导数的方向前进，最终达到极小值点。

这时候得到的W就是我们最终要的结果了。

第四步：利用参数

既然得到了W，我们就可以利用这个W，将一个未知结果的x输入，从而得到通过W计算出的y，这个y就是图片识别的结果。

现在有很多的开源深度学习框架，是各大著名公司封装好的函数（已经造好的轮子），

以下是一个卷积神经网络识别MNIST的小例子（基于google深度学习框架TensorFlow）：

只是经过了21次的参数更新，最终的识别准确率在99%以上。

输出结果：

Extracting MNIST_data/train-images-idx3-ubyte.gz

Extracting MNIST_data/train-labels-idx1-ubyte.gz

Extracting MNIST_data/t10k-images-idx3-ubyte.gz

Extracting MNIST_data/t10k-labels-idx1-ubyte.gz

第0次迭代，测试集准确率是0.7688

第1次迭代，测试集准确率是0.7831

第2次迭代，测试集准确率是0.8829

第3次迭代，测试集准确率是0.8883

第4次迭代，测试集准确率是0.889

第5次迭代，测试集准确率是0.8919

第6次迭代，测试集准确率是0.8908

第7次迭代，测试集准确率是0.893

第8次迭代，测试集准确率是0.894

第9次迭代，测试集准确率是0.8949

第10次迭代，测试集准确率是0.8927

第11次迭代，测试集准确率是0.8935

第12次迭代，测试集准确率是0.8948

第13次迭代，测试集准确率是0.9873

第14次迭代，测试集准确率是0.9881

第15次迭代，测试集准确率是0.9864

第16次迭代，测试集准确率是0.9885

第17次迭代，测试集准确率是0.9906

第18次迭代，测试集准确率是0.9876

第19次迭代，测试集准确率是0.9884