卷积神经网络的基本结构

1. 卷积层   卷积层是一个特征提取器，能够提取图像的表达特征。经过卷积层操作得到的表达特征称为特征图。特征图中特征的提取受前一层特征图中局部感受野影响。一个特征图中的特征由一个卷积核计算得到，不同特征图由不同卷积核计算得到。
2. 整流线性单元（ReLU）   它是卷积神经网络中一个重要的结构单元，对神经元有着激活的作业。
3. 池化层 是一个特征压缩器，对上一层的特征进行压缩并尽可能减少图像的失真率，通过压缩特征使神经网络更具图像平移的不变形。
4. 全连接层 卷积层和池化层的交替堆叠组成了一个简单的卷积神经网络，这样的神经网络可以提取到输入图像的抽象特征。为了将网络更好的应用到实践中，通常在这之后添加全连接层。