CNN模型中 卷積層 RELU層 池化層 作用及順序

卷積層  Convolutional layer 卷積運算的目的是提取輸入的不同特徵 類似於CV中的濾波，通過滑動窗口來得到特徵圖像 非線性激活層  Relu f(x)=max(0,x) 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 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，減小過擬合，同時提高模型的

>>阅读原文<<