CNN卷积神经网络层级结构

卷积神经网络层次结构包括：

数据输入层/ Input layer
卷积计算层/ CONV layer
激励层 / ReLU layer
池化层 / Pooling layer
全连接层 / FC layer

输入层（Input layer）

输入数据，通常会作一些数据处理，例如：

去均值：把输入数据各个维度都中心化到0

归一化：幅度归一化到同一范围

PCA/白化:用PCA降维，白化是在对数据每个特征轴上的数据进行归一化。

卷积计算层（CONV layer）

如上图图所示，左边为数据集，右边为一个神经网络

窗口：卷积计算层会在数据集上选定一个窗口，从窗口内选择数据

深度（depth）：如下图所示，左边的数据集深度为3，右边的神经网络深度为5（有五个神经元）

步长（stride）：窗口每次移动的距离

填充值（zero-padding）：因为窗口移动到数据边缘时，可能不能正好遍历完所有数据，所以有时要在数据集周边填充上若干圈全为0的数据