1.请用结构图的形式画出实现的框架是什么？
2.卷积神经网络模型的结构是什么？每一层又有什么作用？
卷积神经网络主要用7层实现，分别是:数据输入层、卷积层、内积层、池化层、损失函数层、激活函数层
数据输入层：将数据输入网络结构
卷积层：通过卷积操作，提取网络特征
池化层：通过池化操作，降低复杂程度，提取主要特征
内积层：相当于全连接，主要处理线性运算，对数据进行加权求和;
损失函数层：利用损失函数，得到相应区间的概率;
激活函数层：通过LRU算法，解决梯度下降问题。
3.用代码实现 卷积神经网络 的网络结构。
4.卷积神经网络是如何实现损失估计的呢？有分别用什么变量表示呢？
5.对于卷积神经网络结构，其最小的产量又是什么？即：在最大删除前提下所剩下的变量是什么？
6.那些网络模型中的层，是可以删除的？删除之后又会引起什么什么样的后果？
7.label又是如何传入的？
8.用流程图画出数据在网络模型中的传递。
9.简要描述模型的输入、输出是什么？在7层中，各层的输入、输出有分别是什么？
10.在用caffe声明模型时，所需的数据结构是什么？
11.如何实现对准备将要进行的训练数据？分几步？具体操作是什么？
