CNN模型中 卷积层 RELU层 池化层 做用及顺序

卷积层  Convolutional layer 卷积运算的目的是提取输入的不一样特征blog 相似于CV中的滤波，经过滑动窗口来获得特征图像io 非线性激活层  Relu f(x)=max(0,x)im 非线性激活层即保留大于0的值，即保留特征比较好的值，将特征小于0的值舍去数据 池化层  pooling 池化（Pooling）：也称为欠采样或下采样。主要用于特征降维，压缩数据和参数的数量，减少

>>阅读原文<<