CNN的研究人员认为深度学习是非常重要的因素。美国有线电视新闻网:

• AprendenCaracterísticasItnamenteSin Necesidad de Arexerlas Manionmente。
• Generan LeyseAdos de Reconcimiento Altamento Procisos。
• 如果你想要重新约定，你就必须承认以前的存在。

LAS CNN Proporcionan Una ArquitecturaóPTIMA帕拉·斯科尔YAprenderCaracterísticasincipses enImágenesy datos de系列临时。LAS CNN SON UNA TECNOGIOA CLAVE EN APLICACIONES TALES COMO：

• Imágenesmédicas：LAS CNN Pueden审查米尔德·迪尔多尔 - 奇科斯探测器侦查探测器La Presencia o Ausenciadecéluluscancerassasen lasimágenes。
• procesamiento de audio：LaDeteccióndepalabrasclave se puede uterizar en culquier disatosivo con andmicrófonopara detectarcuándosewheruncian una palabra o Frase Charmada（“oye siri”）。Las CNN Pueden Aprender Y DeticaR ConPrecisiónLaPalabraClave E Ignorar Todas LasDemásFrases，OctionalEntical Del Entorno。
• Detección de señales de stop：LaConducciónAutónomaSe Basa en CNN Para Distress ConPrecisiónLaPresencia de UnaSeñaluOtro Objeto y Tomar决策Basadas en El结果。
• Generación德DATOSsintéticos:我们使用Redes GenerativasAntagónicas（GaN），Se Pueden Producir NuevasImágenespara苏USO en Aplicaciones de Dee Learning，Tales Como Recocomiento Facial YConducciónAutónoma。

Mas给

乌纳红神经convolucional puede享有，德decenasØcientos德CAPAS阙aprenden一个detectar diferentesCARACTERÍSTICAS德UNA imagen画质。硒aplican筛选现在一CADA imagen画质德entrenamiento CON distintas resoluciones，和La萨利达去CADA imagen画质convolucionada SE emplea科莫ENTRADA对拉siguiente卡帕。洛杉矶筛选现在pueden variar desdeCARACTERÍSTICASMUY simples，故事科莫EL布里洛和Los BORDES，闪现MÁScomplejas，科莫拉斯CARACTERÍSTICAS阙definen EL objeto德MANERA UNICA。

Aprendizaje德CARACTERÍSTICAS，CAPASÿclasificación

Al Igual Que Otras Redes Neuralales，UNA CNNEstáCompuestaPor Una Capa de Intrada，Una Capa de Salida Y Muchas Capas intermediS Ocultas。

Estas CAPAS realizan operaciones阙alteran洛杉矶DATOS CON EL objetivo德aprenderCARACTERÍSTICASespecíficas德dichos DATOS。拉斯维加斯3个CAPASMÁSfrecuentes儿子：convolución，activaciónØRELU，Y池。

• Convolución.：Somete LasImágenesdeNtradaA联合联盟De Filtros Convolucionales，Cada Uno de Los Cuales Activa Ciertascaracterísticasde lasimágenes。
• Unidad Lineal Rectificada（Relu）：渗透UNEntrenamientomásRápidoYEficazAl Asignar Los Valores Negitivos A Cero Y Mantener Los Valores Positivos。TambiénSeLodenominaactivación，Dado que solo lascaracterísticasactivadaspasan a la siguiente capa。
• 池：simplifica LA萨利达人disminuir拉TASA德muestreo无直系亲属，reduciendo ASI ELNÚMERO德parámetros阙德拉雷德necesita aprender。

Estas Operaciones Se Repiten en Decenas o Cientos de Capas，De Modo Que Cada Capa Aprende A Indicidar DiferentesCaracterísticas。

Valores de Peso Y Sesgo Compartidos

我知道你的名字红色的神经元Tradicional，UNA CNN Consta de Neuronas Con Pesos Y Sesgos。El Modelo Aprende Estos Valores Durante El Proceso de Entrenamiento Y LOS amplicatiza Contumante Con Cada Nuevo EjemiremeDentrenamiento。SIN EMBARGO，EN EN EL CASO DE LAS CNN，LOS Valores de Pesos Y Sesgos Son Los Mismos Para Todas Las Neuronas Ocultas en Una Capa Concreeta。

埃斯托标志意义阙托达拉斯neuronas ocultas detectan LA mismacaracterística，科莫联合国伯德ØUNA拉曼恰，连接diferentes regiones德拉imagen画质。埃斯托脑水肿阙德拉雷德tolere拉traslación德objetos EN UNA imagen画质。POR ejemplo，UNA红entrenada对reconocer AUTOMOVILESpodráhacerlo dondequiera阙本身encuentre ELautomóvilEN LA imagen画质。

卡帕de clasificacion

Después de aprender las características en varias capas, la arquitectura de CNN pasa la clasificación。

香格里拉penúltima卡帕ESTA totalmente conectadaŸproporciona科莫萨利达未矢量de K制作dimensiones，东德ķ上课ELNÚMERO德clases阙德拉雷德血清capaz德predecir。埃斯特矢量contiene拉斯probabilidades对CADA CLASE德cualquier imagen画质阙本身clasifique。

La Capa Final De La Arquitectura de CNN Utheria Una Capa deClasificación，Como Softmax，Para Proporcionar La Salida deClasificación。

马铃薯^®反对深度学习工具箱™渗透diseñar，entrenar y desplar cnn。

MATLAB可以帮助我们建立一个新的模型可以帮助我们建立一个新的深度学习模型可以帮助我们建立一个新的模型características可以帮助我们建立新的模型。我们可以通过método来学习，我们可以通过práctica来应用深度学习。Modelos的故事可以在GoogLeNet上看到，AlexNet的Inception最近在探索深度学习方面做了一些探索，并在建筑设计方面做了一些研究。

DISENOŸentrenamiento德REDES

深层网络设计者permite importar modelos previamente entrenadosØCREAR的Nuevos modelos desde CERO。

TambiénPuedeentrenar redesmente en la app y Supervisar El Entrenamiento ConGráficasdeMétricasdeCharisión，PérdidaYAbsación。

我们要先看一下，然后再看一下

我是将军，这是我们的首要任务Transforcenia del Aprendizaje.suele SER MUCHOMÁSRAPIDOŸ卸妆水阙entrenarla desde CERO，雅雀requiere UNA cantidad极小德DATOSŸRECURSOS computacionales。香格里拉t​​ransferencia德尔aprendizaje utiliza EL conocimiento日联合国TIPO德problema对解析器OTROS problemas similares。硒empieza CON UNA红色previamente entrenadaŸSE utiliza对aprender UNA努埃瓦利亚。乌纳ventaja德拉transferencia德尔aprendizaje ES阙德拉雷德previamente entrenada雅公顷aprendido联合国大CONJUNTO德CARACTERÍSTICAS。EstasCARACTERÍSTICASSE pueden aplicar一个UNA amplia加玛日tareas similares。POR ejemplo，puede托马尔UNA红色entrenada CON millones德imágenesŸ御宇一个entrenarla对clasificar的Nuevos objetos utilizando独奏cientos德imágenes。

Aceleración硬件GPU

UNA红色神经元卷心池entrena con cientos，Miles o包含米兰·米莫斯。Cuando Se Trabaja Con Grandes坎德拉德De Datos Y Arquitecturas de Red Complejas，Las GPU Pueden Acelerar Inflicativamente El Tiempo de Procesamiento Parra entrenar联合国Modelo。

Mas给