深度學習的相關基礎概念和重要點 LENET5

池化層 即下采樣層，池化操作就是圖像的resize，池化層用的方法有Max pooling 和 average pooling，而實際用的較多的是Max pooling。 過擬合 模型泛化能力       LENET5算法結構 如下圖所示，需要注意幾點： （1）全連接層，一個結果是上一層所有元素的加權求和，這裏權即訓練參數； （2）卷積層，第二個卷積層的結果是上一層某幾個元素卷積後進行相加，沒有權

>>阅读原文<<