是近些年在機器視覺領域很火的模型，最先由 Yan Lecun 提出。
如果想學細節可以看 Andrej Karpathy 的 cs231n 。
How does it work?
給一張圖片，每個圓負責處理圖片的一部分。
這些圓就組成了一個 filter。
filter 可以識別圖片中是否存在指定的 pattern，以及在哪個區域存在。
下圖中有4個filter，每個filter的平行的點會負責圖片上相同的區域。
神經元利用 convolution 的技術查找pattern，簡單地理解就是用 filter 的形式去查找圖片是否具有某種 pattern。
weights 和 bias 對模型的效果起着重要的作用。
把白圓圈換成神經元，就是CNN的樣子。
Convolution層的神經元之間沒有聯系，它們各自都只連接inputs。
同一層的神經元用相同的 weights 和 bias，這樣同一層的神經元就可以抓取同樣的pattern，只不過是在圖片上的不同的區域。
接下來是 ReLU（Rectified Linear Unit） 層和 Pooling 層，它們用來構建由 convolution 層找到的 pattern。
CNN 也用 Back propagation 訓練，所以也有 vanishing gradient 的可能。而 ReLU 作為激活函數的話，gradients會大體保持常值的樣子，這樣就不會在關鍵的那幾層有很明顯的下降。
Pooling 層是用來降維的。
經過 convolution 和 ReLU 的作用后，會有越來越復雜的形式，所以Pooling 層負責提取出最重要的 pattern，進而提高時間空間的效率。
這三層可以提取出有用的 pattern，但它們並不知道這些 pattern 是什么。
所以接着是 Fully Connected 層，它可以對數據進行分類。
一個典型的 Deep CNN 由若干組 Convolution－ReLU－Pooling 層組成。
但CNN也有個缺點，因為它是監督式學習，所以需要大量的有標簽的數據