卷积神经网络——输入层、卷积层、激活函数、池化层、全连接层

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT（输入层）-CONV（卷积层）-RELU（激活函数）-POOL（池化层）-FC（全连接层） 卷积层 用它来进行特征提取，如下：   输入图像是32*32*3，3是它的深度（即R、G、B），卷积层是一个5*5*3

>>阅读原文<<