tiny_cnn 程序总结1----tiny_cnn简述

    tiny_cnn实现了LeNet的字符识别功能，实现的方式也是利用卷集神经网络，整个网络共有6层，依次为convolution_layer<32,32,5,1,6>，average_pooling_layer<28,28,6,2>，

convolution_layer<14,14,5,6,16,connection_table>，average_pooling_layer<10,10,16,2>，convolution_layer<5,5,5,16,120>，fully_connected_layer<120,10>。

    首先，第一层：convolution_layer<32,32,5,1,6>是对输入图像进行卷积，卷积核的大小是5x5，对输入图像使用了6个不同的卷积和分别进行卷积，目的是提取输入图像的不同特征，最后得出6个不同的输出。

    第二层：average_pooling_layer<28,28,6,2>是对第一层的输出进行下采样，第一层的输出是28x28的数据，这里使用2x2的窗口对其进行求均值，然后下采样，得出14x14的输出。

    第三层：convolution_layer<14,14,5,6,16,connection_table>，是再次对第二层的输出进行卷积，卷积核仍然采用的是5x5的窗口，这层的卷积是用一定规定的，这一层共有16个卷积核，每一个卷积核分别与多个输入相连，所以这里会有一个connection_table来标记每个卷积与对应的哪些输入相连接，connection_table的数据如下：