1.For循环版本：手工实现 卷积-池化-激活
2.Pytorch版本：调用函数完成 卷积-池化-激活
3.可视化：了解数字与图像之间的关系
总结： 卷积-池化-激活是卷积神经网络中常用的组合操作。卷积层用于提取输入数据的特征，池化层用于降低特征图的尺寸并保留主要信息，激活函数用于引入非线性特性。这个组合操作有助于网络学习图像中的局部特征，并对其进行处理和提取，从而实现对图像的有效表示和分类。
通过合理选择卷积核大小、池化方式和激活函数类型，我们可以根据具体任务的需求来设计卷积-池化-
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
