sinat_34373382的博客

卷积神经网络_（1）卷积层和池化层学习本文转自：https://www.cnblogs.com/zf-blog/p/6075286.html卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT-CONV-RELU-POOL-FC(1)卷积层：用它来进行特征提取，如下：输入图像是32*32*3，3是它的深度（即R、G、B），卷积层是一个5*5*3的...

（文章转载自：https://www.cnblogs.com/wj-1314/p/9593364.html）为什么要使用卷积呢？　　在传统的神经网络中，比如多层感知机（MLP），其输入通常是一个特征向量，需要人工设计特征，然后将这些特征计算的值组成特征向量，在过去几十年的经验来看，人工找到的特征并不是怎么好用，有时多了，有时少了，有时选择的特征根本就不起作用（真正起作用的特征在浩瀚的未知里...