CNN入门讲解：为什么要做训练（Training）?
由iquant创建，最终由iquant 被浏览 16 用户
今天我要讲的是一个很基础很基础的东西，适合初学者：
模型训练（Training）
如果你刚开始接触CNN，你一定会好奇，我给CNN灌入大量的数据做训练，到底要让CNN获得一种什么能力
首先我们的目的是：
给数据作分类
怎么给数据作分类：
要么找到数据的因果关系，要么找到数据间的关联
我们希望找到一个规则，或者一个表达式，它的作用是
理清楚数据间的关系，或者拟合数据的分布
我们就暂时给这个作用起名叫:
kernel
因为这个kernel 的作用，我们对数据之间的关系更加明晰，进而更好的分类，如下图所示：
那么我们的目的就变成了：
怎么找到最好的kernel
我们知道：
两层或者以上的神经网络，几乎可以拟合任意函数
那么就回到了今天的主题，为什么要做训练，目的就在于：
通过训练，我找到可以理清数据间关系的神经网络，或者拟合数据分布的神经网络
CNN中各个层，就好比这一个个Kernel，她的目的就是一层一层去找到数据特征间的关系，直到最后，我们可以很好地将数据特征分类，以此来对特征进行分类
下面我来举个例子：
训练前，用模型提取出来的特征分布图， 可以看到不同数据之间的特征‘纠缠’在一起，难分难解
经过足够的训练之后，你应该能明显看到特征甚至已肉眼可分的方式，被区分开来
是不是很棒棒？
就问你，6不6 吧？