卷积网络的结构与全连接网络相比复杂得多。它的网络结构主要包括卷积层、池化层。细节又可以分为滤波器、步长、卷积操作、池化操作。
对于一幅图片一般会使用多个卷积核（滤波器）。将它们统一放到一个卷积层来操作，这一层中有几个滤波器，就会得到几个feature map，接着还要经历一个池化层（pooling），将生成的feature map缩小（降维）。下图展示了一个标准的卷积操作组合。
图中卷积层里面channel的个数代表卷积层的深度。池化层中则只有一个滤波器（filter），主要参数是尺寸大小（即步长大小）。
一个卷积神经网络包括5部分——输入层、若干卷积操作和池化层结合部分、全局平均池化层、输出层。
输入层：将每个像素代表一个特征节点输入进来。
卷积操作部分：由多个滤波器组合的卷积层。
池化层：将卷积结果降维。
全局平均池化层：对生成的feature map取平均值。
输出层：需要分成几类，相应就会有几个输出节点。每个输出节点都代表当前样本属于该类型的概率。
参考