CNN模型中 卷积层 RELU层 池化层 作用及顺序

卷积层  Convolutional layer 卷积运算的目的是提取输入的不同特征 类似于CV中的滤波，通过滑动窗口来得到特征图像 非线性激活层  Relu f(x)=max(0,x) 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 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，减小过拟合，同时提高模型的

>>阅读原文<<