深度学习之卷积云的理解

输入层：输入待处理的数据矩阵
卷积层：数据矩阵通过卷积核进行卷积计算，卷积计算后的样本大小为：样本宽度-卷积核宽度+1

      卷积计算方式：

A[1:1]*B[1:1]=D1	A[1:2]*B[1:2]=D2
A[2:1]*B[2:1]=D3	A[2:2]*B[2:2]=D4

      C[1:1]=D1+D2+D3+D4

池化层：特征压缩、简化网络计算复杂度（方式一：取平均值；方式二：取最大值）数据矩阵大小减半

激活函数：（理解深度不够，需要进一步学习）通过函数曲线在[0,1]或者[-1,1]之间将样本进行分类

sigmoid函数

tanh（反正切）函数

ReLU（Rectified Linear Unit）函数

leaky ReLU

softmax

全连接层：（个人理解，尚不够深刻，有待进一步理解，得到非线性样本结果）