CNN模型中 卷積層 RELU層 池化層 做用及順序

卷積層  Convolutional layer 卷積運算的目的是提取輸入的不一樣特徵blog 相似於CV中的濾波，經過滑動窗口來獲得特徵圖像io 非線性激活層  Relu f(x)=max(0,x)im 非線性激活層即保留大於0的值，即保留特徵比較好的值，將特徵小於0的值捨去數據 池化層  pooling 池化（Pooling）：也稱爲欠採樣或下采樣。主要用於特徵降維，壓縮數據和參數的數量，減少

>>阅读原文<<