diff --git a/深度学习入门/assets/1609377452885.png b/深度学习入门/assets/1609377452885.png
new file mode 100644
index 0000000..fe6bddc
Binary files /dev/null and b/深度学习入门/assets/1609377452885.png differ
diff --git a/深度学习入门/assets/1609377623695.png b/深度学习入门/assets/1609377623695.png
new file mode 100644
index 0000000..2da3a48
Binary files /dev/null and b/深度学习入门/assets/1609377623695.png differ
diff --git a/深度学习入门/assets/1609377675754.png b/深度学习入门/assets/1609377675754.png
new file mode 100644
index 0000000..74572d9
Binary files /dev/null and b/深度学习入门/assets/1609377675754.png differ
diff --git a/深度学习入门/assets/1609378885963.png b/深度学习入门/assets/1609378885963.png
new file mode 100644
index 0000000..a9f548c
Binary files /dev/null and b/深度学习入门/assets/1609378885963.png differ
diff --git a/深度学习入门/assets/1609378970489.png b/深度学习入门/assets/1609378970489.png
new file mode 100644
index 0000000..24c375b
Binary files /dev/null and b/深度学习入门/assets/1609378970489.png differ
diff --git a/深度学习入门/assets/1609379061067.png b/深度学习入门/assets/1609379061067.png
new file mode 100644
index 0000000..3b36a61
Binary files /dev/null and b/深度学习入门/assets/1609379061067.png differ
diff --git a/深度学习入门/第三章——卷积神经网络.md b/深度学习入门/第三章——卷积神经网络.md
new file mode 100644
index 0000000..a54abc5
--- /dev/null
+++ b/深度学习入门/第三章——卷积神经网络.md
@@ -0,0 +1,47 @@
+### 第三章——卷积神经网络
+
+#### 卷积神经网络应用领域
+
+CV领域发展：
+
+![1609377452885](assets/1609377452885.png)
+
+> 比赛中预测错误率的百分比，每年逐步下降。Human是人类肉眼的识别能力，2016年开始已经远高于人类肉眼死别能力，后面就取消了该方向的比赛了。
+
+检测任务：
+
+![1609377623695](assets/1609377623695.png)
+
+分类与检索：
+
+![1609377675754](assets/1609377675754.png)
+
+> 分类：将图片分到对应类别。
+>
+> 检索：找到相似的图片。
+
+还有图片重构、无人驾驶、人脸识别
+
+
+
+#### 卷积的作用
+
+卷积网络与传统网络的区别：
+
+![1609378885963](assets/1609378885963.png)
+
+> 输出的数据直接是三维的，还多了深度
+
+整体架构：
+
+输入层、卷积层、池化层、全连接层
+
+![1609378970489](assets/1609378970489.png)
+
+> 这里只有卷积层和池化层我们没有了解过
+
+卷积做了什么事：
+
+![1609379061067](assets/1609379061067.png)
+
+> 比如一个猫的图，眼睛鼻子特征和周围环境特征的重要性明显不一样，需要区别对待。先把图像进行分割（最左边），分割成多个小区域，提取其中一个小区域（第二个5×5×3），蓝色图的右下角3×3矩阵，大字体的值是X的值，而小字体的值是w权重，会不断循环获取最优的w权重和对应的值，并输出右边绿色的14（特征值）。
\ No newline at end of file