最为流行的就是卷积神经络nn，与普通的算法不太一样，卷积神经络算法也很有意思。
现在人们拍照的器材越来越好，10001000的图片比比皆是。
在分析图片的时候是否需要一个创建一个10001000的络层，答案是不需要的，相反可以创建一个2020的输入层。
就好像是下面有一个很大的图片，在图片的上面有一个小纸板。
第一次把这个纸板放在了图片的左上角，只取出来被覆盖的这一部分的像素进行处理，然后把这个纸板向右移动一个像素，再取一部分像素进行处理。
有的人有疑问，这样不是第二次取的像素和第一次重复的很多吗？
没错就是有很多的重复，这个算法就是要这么搞，只有这样的滑动窗口，才能体现出来这个图片像素的空间位置，才能把像素之间的关系也都考虑进去。
而不是像以前有一种识别手写的图片中的数字的例子，机器学习的入门课程，就是识别手写数字，有人统计，只有正确率达到了百分之九十九多的时候，机器识别才有作用。
最经典的一个例子就是，把所有的像素都从左到右，从上到下，一个一个的都并排排好，形成一个单个的像素线。
写一个方程式来求几个参数，给出来一些训练数据，让计算机自己发现规律，找到其中的关联，从而得到一个最好的方程的解。
但是这种计算出来的结果正确的识别率只有可怜的百分之十多。
如果用卷积神经络来稍加改造就能让识别率达到百分之九十九以上。
可见，卷积神经络对图片的分类来说是最好的一个算法。
不过也是有一个问题，它需要大量的数据，对于能获得大量的数据的场景这个算法是很不错的，但是如果不能获得很多数据，它的效果就没有那么好了。
因为有以前做过语音识别的经验，所以对这个改造起来是得心应手。
很快林奇就把这个算法进行了改进，可以不用那么多的数据就能达到一样的效果。
为了验证他的这个结论是否正确，林奇向毛毛虫的身体里写入一段程序。
这个程序特别简单，就是利用林奇开发出来的程序识别眼前出现的人是否是林奇本人。
如果识别出来是林奇本人，那么毛毛虫就会开心的把头扭来扭去。
说起来做这个，是兴趣更多一些，因为这样的程序什么都做不了，也没有办法帮助林奇来修正他的研究。
不过看着眼前的毛毛虫，林奇就特别喜欢它，虽然它本身没有什么存储的能力，都是通过后台的生物计算机来计算，然后利用量子通信送到毛毛虫这边处理。
但是林奇就感觉这是一个小伙伴，可以陪着他，让他在生活中有了一丝调味。
林奇在这样的想法下，一个个的场景攻关下去，自己在这其中提高了不少。11