深度學習|卷積神經網絡（CNN）介紹（後篇）

01 — 回顧 昨天介紹了CNN的卷積操作，能減少權重參數的個數，卷積操作涉及到三個超參數： 深度（Depth） 步長（Stride） 零填充（Zero-padding） 還有一種運算，叫做求內積，關於這部分的總結，請參考： 深度學習|卷積神經網絡（CNN）介紹（前篇） 下面，闡述CNN剩下的兩種操作，ReLU，Pooling。 02 — ReLU操作 CNN用的激活函數不是Sigmoid函數，大

>>阅读原文<<