卷积层
定义过滤器（观察窗口）大小（奇数），步长（移动的像素数量）1。
观察窗口大小例如：1*1 3*3 5*5
过滤器的内容都是权重值。
filter过滤器可以有多个（类似多个人去观察）
卷积层输出体积大小的计算
激活函数(ReLU)
增加激活函数，即增加网络的非线性分割能力。
池化层
特征提取（将有代表性的特征提取处理），去掉不重要的样本。
网络结构参考实例
图片大小[28, 28, 1]
一卷积层
- 卷积: 32个filter, 5*5, strides 1, padding "SAME", 输入[None,28,28,1] 输出[None,28,28,32]
- 激活: [None,28,28,32]
- 池化: 2*2, strides2, padding "SAME", 输入[None,28,28,32] 输出[None,14,14,32]
二卷积层
- 卷积: 64个filter, 5*5, strides, padding "SAME", 输入[None,14,14,32] 输出[None,14,14,64]
- 激活: [None,14,14,64]
- 池化: 2*2, strides 2, padding "SAME", 输入[None,14,14,64] 输出[None,7,7,64]
全连接层
输入[None,7*7*64] [7*7*64,10] 输出[None,10]
