在图像任务中，如果直接使用全连接网络，会遇到一个非常明显的问题：参数量太大。例如一张较大的图像，如果每个像素都和下一层每个神经元相连，那么权值数量会迅速膨胀。参数越多，计算越慢，模型越难收敛，也更容易过拟合。更重要的是，全连接网络没有充分利用图像的空间局部性。图像中的信息往往是局部相关的。比如边缘、纹理、角点、局部轮廓等特征，通常只和附近像素有关，而不需要每个像素都和所有神经元建立连接。因此，卷积

先从最简单的线性模型出发，理解“机器学习到底在学什么”；再过渡到分类问题，理解为什么需要激活函数；最后进入多层感知机和BP算法，理解神经网络为什么能够处理更复杂的非线性问题。