1. 分类
a) 卷积神经网络和全连接神经网络，全连接神经网络问题在于全连接层的参数太多。
2. 卷积神经网络的结构组成：
a) 一张图片的像素矩阵，长和宽分别表示图像的大小，三维矩阵的深度表示色彩通道。
b) 卷积层深入分析上一层中的一小块，从而得到抽象程度更高的特征。三维矩阵的深度会加深。
c) 池化层可以降低图片的分辨率，从而降低全连接层中参数个数。
d) 全连接层完成最后的分类工作
e) Softmax层得到最后不同种类的概率分布。
3.卷积层：
a) 过滤器尺寸人为设定，通常为3*3，5*5。
b) 过滤器深度人为设定，单位矩阵的输出深度。
c) 激活函数（p142）
d) 过滤器处理每一个子矩阵。改变过滤器的步长或者用0填充可以改变输出矩阵的大小。（p144）
4.池化层：
a) 最大池化层，平均池化层。
5.经典卷积网络模型