卷积网络的结构

卷积神经网络的一般结构如下

• Input Layer
  保存着输入图像的原始数据
• Convolution Layer
  每个神经元都会使用各自的权重与其相连的区域做点乘，然后作为该神经元的输出。通常输出通道的个数与卷积核的数量相同
• ReLU Layer
  这一层会对每一个像素使用 函数，最简单的函数形式为 。更一般的形式为
  
  即当 为 0 的情况
• Pool Layer
  池化层会对其输入进行下采样，降低输入的维度，防止过拟合
• Fully Connection Layer
  会计算出对应于每个类的概率，计算结果通常为一维向量。长度为类的个数