AI：IPPR的数学表示-CNN基本结构分析（ Conv层、Pooling层、FCN层/softmax层）

        相似于SVM，CNN为表明的DNN方法的边缘参数随着多类和高精度的要求必然增加。好比向量机方法，使用能够映射到无穷维的高斯核，即便进行两类分类，在大数据集上获得高精度，即保持准确率和高精度的双指标，支持向量的个数会随着数据集增加，SVM三层网会变得很是宽。CNN方法的多层结构，在保留边缘映射的数目的同时能够有效地下降“支持向量”的个数，是经过函数复合—因式分解获得的，至于要使用多少

>>阅读原文<<