卷積神經網絡筆記

  卷積神經網絡系統結構 PS：在池化層和全鏈接層之間可以加入多個卷積、激活、池化層       1、CONV：卷積層，用卷積覈對輸入圖像進行卷積處理   2、RELU：激活層，將負值歸零 3、池化層：有損壓縮，減小圖片尺寸    輸入帶標籤的訓練數據之後，卷積神經網絡會根據輸出與訓練標籤的誤差反向調整自身的參數（卷積核和全連接層的W矩陣），因此卷積神經網絡能夠記錄每一個輸入圖片的特徵，在訓練完畢

>>阅读原文<<