CNN、LeNet

一、卷积神经网络 卷积层：卷积层得名于卷积运算，但卷积层中用到的并非卷积运算而是互相关运算。我们将核数组 (通常称为卷积核或过滤器（filter）)上下翻转、左右翻转，再与输入数组做互相关运算，这一过程就是卷积运算。由于卷积层的核数组是可学习的，所以使用互相关运算与使用卷积运算并无本质区别。 卷积层的两个超参数：填充：在输入高和宽的两侧填充元素（通常是0元素）                                     步幅：在互相关运算中，卷积核在输入数组上滑动，每次滑动的行数与列数即是步幅（stride） 池化层：池化层主要用于缓解卷积层对位置的过度敏感性。同卷积层一样，池化层