第五课、卷积神经网络
1.卷积层之间，计算输出矩阵的尺寸大小(零填充、不填充)
权重和bias参数个数 = F * F * D1 * K + K
滤波器数量K、滤波器大小F、步长S、零填充P常用参数设置：
2.零填充边界的作用？
为了保持输出矩阵和输入矩阵相同尺寸大小
3.1*1滤波器的作用？
用于降低特征图深度
4.池化层的作用？
减小特征图激活映射尺寸大小，从而减少权重参数。
最大值池化多于使用均值池化，因为最大值池化更能代表当前滑动窗口的内容
计算输出矩阵的尺寸大小：
滤波器大小、步长常用参数设置：
