其實，神經網絡就是對人腦運作模式的智能模拟。和人腦一樣，神經網絡模型的強大能力，是基于成千上萬個神經元的互相作用。以卷積神經網絡（CNN）為例，其結構就分為很多層，層與層之間通過線來連接配接。訓練的過程，就是将所有的線設定成合适的值的過程。
為了直覺展示，今天就通過可視化帶大家看看AI訓練時都長啥樣。（前方多圖預警！
首先，AI模型訓練前長這樣：
訓練中，依次經過卷積-激活、卷積-激活-池化、卷積-激活、卷積-激活-池化……這個過程大概長這樣：
最後，訓練完成後長這樣，一種張揚肆意的淩亂美有沒有：
可以看到，經過訓練後的模型之是以長得不再“均勻規整”，是因為被賦予了權值不一的特征。雖然訓練花了不少時間，但360度觀摩神經網絡的訓練後，讓人覺得再漫長的等待都是值得的。
看完上面炫酷的3D展示，接下來我們再通過AI模型全局結構圖，一步步拆解訓練過程，試着把CNN每一層的操作和變化都展示出來。
首先是卷積層，這一步主要是為了提取特征。因為AI在識别圖檔時，并非一下子整張圖整體識别，而是先對圖中的每一個特征進行局部感覺。
圖：卷積層
然後，到了激活層，這個步驟是對上面提取的特征做一次非線性映射。
圖：激活層
接着，來到池化層，用白話來講就是去除備援資訊，保留關鍵資訊。畢竟一張圖像通常包含了大量雜餘資訊，如果把整張圖的所有特征都學習下來，那可不把AI累死。
圖：池化層
就這樣，以上操作重複N次，就形成了一個深層神經網絡，完成自動化的有效特征提取：
最後，來到全連接配接層，通過對所有得到的特征權重，計算輸出預測結果，大功告成。
以上，就是一整套AI訓練時的正常畫風。那麼，如果我們給AI悄摸摸喂點對抗樣本，訓練過程又是什麼畫風呢？
#今日頭條小助手##神經網絡#