CNN 适合图片识别领域，可以识别水果，动物，汽车等等。但是 CNN 不是突然被发明出来的，而是要从一只🐱说起。

CNN 从一只🐱说起
在 20 世纪 50 年代，有两位著名的科学家 David Hubel 和 Torsten Wiesel，他们研究猫的视觉皮层，发现，不同的神经元会处理不同的信息，比如有一些神经元对边缘更加敏感，有一些神经元对某些特征比较敏感。听到这一个故事是不是想起什么啦，对了，就是 CNN 的卷积核！CNN 也是先找边缘，在找其他东西，然后合成特征图，最后识别出来这是什么东西。所以这一个实验对后来的 CNN 有了重大的启发。

CNN 的祖先出现了
1980 年，日本科学家福岛邦彦提出了 “新认知机”，它会分层提取图片特征，即使图片位置发生变化，新认知机也有机会把它认出来。时间到了 1989 年，杨立昆等人发表论文，介绍他们发明用于别手写邮政编码的早期卷积网络，这也是 LeNet 的起点，在 1998 年，他们发布了最著名的版本——LeNet-5！但是当时电脑硬件条件有限，所以 LeNet 并没有被变成当时的顶流。

CNN 成名之战
2012 年，AlexNet 参加了 ImageNet 图像识别比赛，他使用了 CNN + 大量图片 + GPU + 更深的神经网络，取得了非常优异的成绩。现在的人们终于意识到只要数据、算法和算力准备好了，CNN 真的可以学会 “看” 图片！所以从那个时候开始 CNN 被广泛利用于图片识别领域。

现在 CNN 的故事讲完了，喵，所以当你成功用 AI 识别出图片的时候，不要忘记他的故事是从一只喵开始的！🐱