卷积神经网络的结构
- 数据输入层 / input layer
- 卷积层 / CONV layer
- ReLu激活层 / ReLU layer
- 池化层 / pooling layer
- 全连接层 / FC layer
1. 数据输入层
该层主要是对原始图像数据做预处理：
- 去均值：各个维度中心化为0
- 归一化：幅度归一化到同样的范围
- PCA/白化： PCA降维； 白化是对各个特征轴归一化
2. 卷积计算层：
减少参数个数：
1. 局部感受野
2. 权值共享
https://blog.csdn.net/yunpiao123456/article/details/52437794
https://www.jianshu.com/p/1ea2949c0056
3. 激活层 ReLU
4. 池化层
用于压缩数据和参数的量，减小过拟合。
- max-pooling
- average-pooling
