卷积神经网络

卷积神经网络：相邻两层之间只有部分节点相连

卷积神经网络架构图：

一、卷积层

过滤器：将当前层神经网络上的一个子节点转化为下一层神经网络上的一个单位节点矩阵，常用的尺寸为33或55，深度为输出单位节点矩阵的深度
二、池化层
池化层可以有效地缩小矩阵的尺寸，从而减少最后全连接层中的参数。主要有最大池化层、平均池化层。
注意：卷积层使用的过滤器是横跨整个深度的，而池化层使用的过滤器只影响一个深度上的节点。
三、经典的卷积神经网络模型
1、LeNet-5模型
架构

卷积层：在过滤器深度上，大都采用逐层递增的方式，每经过一次池化层之后，卷积层过滤器的深度会乘以2，步长一般为1，也会使用2或者3作为步长
池化层：常用最大池化层，过滤器边长一般为2或3，步长也是。
2、Incepton-v3模型
同时使用所有不同尺寸的过滤器，然后再将得到的矩阵拼接起来