一、机器如何识别图片
机器处理图像的第一步是理解，理解如何表达一张图像，进而读取图片。简单来说，每个图像都是一系列特定排序的图点（像素）。如果你改变像素的顺序或颜色，图像也随之改变。基本上，机器会把图像打碎成像素矩阵，存储每个表示位置像素的颜色码。
关于具体如何理解这个问题，推荐看下“机器视角”的一篇文章。
二、卷积神经网络
一个卷积神经网络大致有如下的几个部分构成：
· 卷积层：帮助提取特征，越深的卷积神经网络会提取越具体的特征，越浅的网络提取越浅显的特征。
· 池化层（pooling）：池化的唯一目的是减少图像的空间大小。最常见形式是最大池化。
· 输出层：CNN 中的输出层是全连接层，其中来自其他层的输入在这里被平化和发送，以便将输出转换为网络所需的参数。
1.卷积层
对图像和滤波矩阵做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。
比如下图中，图中左边部分是原始输入数据，图中中间部分是滤波器filter，图中右边是输出的新的二维数据。
2.池化层
3.输出层
为了生成最终的输出，我们需要应用全连接层来生成一个等于我们需要的类的数量的输出。仅仅依靠卷积层是难以达到这个要求的。卷积层可以生成 3D 激活图，而我们只需要图像是否属于一个特定的类这样的内容。输出层具有类似分类交叉熵的损失函数，用于计算预测误差。一旦前向传播完成，反向传播就会开始更新权重与偏差，以减少误差和损失。
更多关于CNN反向传播的推导和实现可以参考如下博客