卷积神经网络作为深度学习的一种经典而广泛应用的结构, 克服了过去人工智能中被认为难以解决的一些问题。卷积神经网络的局部连接、 权值共享及下采样操作等特性使之可以有效地降低网络的复杂度, 减少训练参数的数目, 使模型对平移、 扭曲、 缩放具有一定程度的不变性, 并具有强鲁棒性和容错能力, 也易于训练和优化。文章介绍了卷积神经网络的训练方法, 开源工具, 及在图像分类领域中的一些应用, 给出了卷积神经待解决的问题及展望。