（CNN）卷積神經網絡（三）-理解卷積操作

1-池化層pooling layer 2- FC全連接層 3-可視化理解 4- CNN的訓練算法 5-從數學的角度理解卷積 第一種思路 降維打擊 第二種思路傅立葉變換與卷積 第一篇文章介紹了卷積神經網絡的數據輸入形式和權值的初始化：CNN）卷積神經網絡（一） 第二篇文章介紹了卷積操作，常用的激活函數（CNN）卷積神經網絡（二 下面來看一下接下來的層級結構： 1-池化層（pooling layer）

>>阅读原文<<