在卷積神經網絡(CNN)模型結構中，我們對CNN的模型結構做了總結，這里我們就在CNN的模型基礎上，看看CNN的前向傳播算法是什么樣子的。重點會和傳統的DNN比較討論。
1. 回顧CNN的結構
在上一篇里，我們已經講到了CNN的結構，包括輸出層，若干的卷積層+ReLU激活函數，若干的池化層，DNN全連接層，以及最后的用Softmax激活函數的輸出層。這里我們用一個彩色的汽車樣本的圖像識別再從感官上回顧下CNN的結構。圖中的CONV即為卷積層，POOL即為池化層，而FC即為DNN全連接層，包括了我們上面最后的用Softmax激活函數的輸出層。
從上圖可以看出，要理順CNN的前向傳播算法，重點是輸入層的前向傳播，卷積層的前向傳播以及池化層的前向傳播。而DNN全連接層和用Softmax激活函數的輸出層的前向傳播算法我們在講DNN時已經講到了。
2. CNN輸入層前向傳播到卷積層
輸入層的前向傳播是CNN前向傳播算法的第一步。一般輸入層對應的都是卷積層，因此我們標題是輸入層前向傳播到卷積層。
我們這里還是以圖像識別為例。
先考慮最簡單的，樣本都是二維的黑白圖片。這樣輸入層$X$就是一個矩陣，矩陣的值等於圖片的各個像素位置的值。這時和卷積層相連的卷積核$W$就也是矩陣。
如果樣本都是有RGB的彩色圖片，這樣輸入$X$就是3個矩陣，即分別對應R，G和B的矩陣，或者說是一個張量。這時和卷積層相連的卷積核$W$就也是張量，對應的最后一維的維度為3.即每個卷積核都是3個子矩陣組成。
同樣的方法，對於3D的彩色圖片之類的樣本，我們的輸入$X$可以是4維，5維的張量，那么對應的卷積核$W$也是個高維的張量。
不管維度多高，對於我們的輸入，前向傳播的過程可以表示為：$$ a^2= \sigma(z^2) = \sigma(a^1*W^2 +b^2)$$
其中，上標代表層數，星號代表卷積，而b代表我們的偏倚, $\sigma$為激活函數，這里一般都是ReLU。
和DNN的前向傳播比較一下，其實形式非常的像，只是我們這兒是張量的卷積，而不是矩陣的乘法。同時由於$W$是張量，那么同樣的位置，$W$參數的個數就比DNN多很多了。
為了簡化我們的描述，本文后面如果沒有特殊說明，我們都默認輸入是3維的張量，即用RBG可以表示的彩色圖片。
這里需要我們自己定義的CNN模型參數是：
1） 一般我們的卷積核不止一個，比如有K個，那么我們輸入層的輸出，或者說第二層卷積層的對應的輸入就K個。
2） 卷積核中每個子矩陣的的大小，一般我們都用子矩陣為方陣的卷積核，比如FxF的子矩陣。
3） 填充padding（以下簡稱P），我們卷積的時候，為了可以更好的識別邊緣，一般都會在輸入矩陣在周圍加上若干圈的0再進行卷積，加多少圈則P為多少。
4） 步幅stride（以下簡稱S），即在卷積過程中每次移動的像素距離大小。
這些參數我們在上一篇都有講述。
3. 隱藏層前向傳播到卷積層
現在我們再來看普通隱藏層前向傳播到卷積層時的前向傳播算法。
假設隱藏層的輸出是M個矩陣對應的三維張量，則輸出到卷積層的卷積核也是M個子矩陣對應的三維張量。這時表達式和輸入層的很像，也是$$ a^l= \sigma(z^l) = \sigma(a^{l-1}*W^l +b^l)$$
其中，上標代表層數，星號代表卷積，而b代表我們的偏倚, $\sigma$為激活函數，這里一般都是ReLU。
也可以寫成M個子矩陣子矩陣卷積后對應位置相加的形式，即：$$ a^l= \sigma(z^l) = \sigma(\sum\limits_{k=1}^{M}z_k^l) = \sigma(\sum\limits_{k=1}^{M}a_k^{l-1}*W_k^l +b^l)$$
和上一節唯一的區別僅僅在於，這里的輸入是隱藏層來的，而不是我們輸入的原始圖片樣本形成的矩陣。
需要我們定義的CNN模型參數也和上一節一樣，這里我們需要定義卷積核的個數K，卷積核子矩陣的維度F，填充大小P以及步幅S。
4. 隱藏層前向傳播到池化層
池化層的處理邏輯是比較簡單的，我們的目的就是對輸入的矩陣進行縮小概括。比如輸入的若干矩陣是NxN維的，而我們的池化大小是kxk的區域，則輸出的矩陣都是$\frac{N}{k} \times \frac{N}{k}$維的。
這里需要需要我們定義的CNN模型參數是：
1）池化區域的大小k
2）池化的標准，一般是MAX或者Average。
5. 隱藏層前向傳播到全連接層
由於全連接層就是普通的DNN模型結構，因此我們可以直接使用DNN的前向傳播算法邏輯，即：$$a^l = \sigma(z^l) = \sigma(W^la^{l-1} + b^l)$$
這里的激活函數一般是sigmoid或者tanh。
經過了若干全連接層之后，最后的一層為Softmax輸出層。此時輸出層和普通的全連接層唯一的區別是，激活函數是softmax函數。
這里需要需要我們定義的CNN模型參數是：
1）全連接層的激活函數
2）全連接層各層神經元的個數
6. CNN前向傳播算法小結
有了上面的基礎，我們現在總結下CNN的前向傳播算法。
輸入：1個圖片樣本，CNN模型的層數L和所有隱藏層的類型，對於卷積層，要定義卷積核的大小K，卷積核子矩陣的維度F，填充大小P，步幅S。對於池化層，要定義池化區域大小k和池化標准（MAX或Average），對於全連接層，要定義全連接層的激活函數（輸出層除外）和各層的神經元個數。
輸出：CNN模型的輸出$a^L$
1) 根據輸入層的填充大小P，填充原始圖片的邊緣，得到輸入張量$a^1$。
2）初始化所有隱藏層的參數$W,b$
3）for $l$=2 to $L-1$:
a) 如果第$l$層是卷積層,則輸出為$$ a^l= ReLU(z^l) = ReLU(a^{l-1}*W^l +b^l)$$
b) 如果第$l$層是池化層,則輸出為$ a^l= pool(a^{l-1})$, 這里的pool指按照池化區域大小k和池化標准將輸入張量縮小的過程。
c) 如果第$l$層是全連接層,則輸出為$$ a^l= \sigma(z^l) = \sigma(W^la^{l-1} +b^l)$$
4)對於輸出層第L層: $$ a^L= softmax(z^L) = softmax(W^La^{L-1} +b^L)$$
以上就是CNN前向傳播算法的過程總結。有了CNN前向傳播算法的基礎，我們后面再來理解CNN的反向傳播算法就簡單多了。下一篇我們來討論CNN的反向傳播算法。
（歡迎轉載，轉載請注明出處。歡迎溝通交流： liujianping-ok@163.com）
參考資料：
1） Neural Networks and Deep Learning by By Michael Nielsen
2） Deep Learning, book by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
4）CS231n Convolutional Neural Networks for Visual Recognition, Stanford