卷积神经网络 卷积神经网络主要由这几类层构成:输入层、卷积层,ReLU层、池化(Pooling)层和全连接层(全连接层和常规神经网络中的一样)。 卷积层(Convolution layer) 通过卷积核与输入层作内积,从而降低参数个数。 ReLu激活函数层 增加了神经网络各层之间的非线性关系。 池化层(Pooling layer) 对卷积层所提取的信息做更一步降维,减少计算量 全连接层(Fully connected layer) 将前层(卷积、池化等层)计算得到的特征空间映射样本标记空间