CNN卷積網絡

CNN卷積網絡 輸入層： 輸入層是32×32 RGB圖像。 注：有必要計算每一層輸出的圖片大小。 卷積層： 卷積層的核心在於卷積核與激活函數。   卷積層最主要的作用是尋找與卷積核匹配的特徵,因爲與卷積核符合（卷積核權重較大的位置）的話，卷積後該區域的值也就越大，也就是說，feature map的值越大，表示該處特徵越明顯。 激活函數的作用是使模型具有非線性性。缺少激活函數的模型是一個線性模型，這

>>阅读原文<<