CNN卷积网络

CNN卷积网络 输入层： 输入层是32×32 RGB图像。 注：有必要计算每一层输出的图片大小。 卷积层： 卷积层的核心在于卷积核与激活函数。   卷积层最主要的作用是寻找与卷积核匹配的特征,因为与卷积核符合（卷积核权重较大的位置）的话，卷积后该区域的值也就越大，也就是说，feature map的值越大，表示该处特征越明显。 激活函数的作用是使模型具有非线性性。缺少激活函数的模型是一个线性模型，这

>>阅读原文<<