传统神经网络（NN）
卷积神经网络（CNN）主要处理图像
三维模型：h* w* c
整体架构
输入层：如28* 28* 1
卷积层：提取特征
池化层：压缩特征
全连接层：如784*50
卷积
图像分区-划小区找到特征值
第一个区域
Fliter（卷积核）
W0 = （0+2+0）+b+1
其中0+2+0是内积
第二个区域
步长为2
需多次卷积：
步长：
步长小，得到特征细腻
图像一般为1
文本处理多一点
卷积核一般3* 3
边缘特征：zero-padding
给边界特征提权，给边界填一圈0
卷积核个数=特征图个数
P是那一圈0
卷积参数共享：一样的参数用一个
池化层pool
一种压缩，如224* 224 *64压缩为112 *112 *64
最大池化，maxpolling，取最大值而已，大值权重高
扫描二维码关注公众号，回复：
9533473 查看本文章
2次卷积1次池化
CONV卷积层
RELU
POOL
FC：全连接层
16层经典网络-VGG
保底的Resnet改进网络，可增加网络层数，无提升层忽略，有提升层计入
建议工程使用Resnet
感受野越大越好
