CNN数据的处理和简化
32*32*3中的3是RGB的维度，而28*28*6中的6是filter的维度
如果增加PAD=2（即上下左右各加两行列的0数值，那么卷积后还是32*32的图像）
卷积层还有一个特性就是“权值共享”原则。如下图：
池化是卷积之后的特征聚合，池化操作一般有两种，一种是Avy Pooling,一种是max Pooling。对一个局部区域取一个最具有代表性的值来表示这个区域的特征，可以是特征图片进行降维。最常见的是2*2区域最大值池化
| 2 | 3 | 5 | 9 | 2 | 5 | 6 | 2 |
| 2 | 10 | 19 | 17 | 14 | 11 | 6 | 15 |
| 1 | 7 | 11 | 12 | 12 | 21 | 2 | 5 |
| 1 | 3 | 2 | 3 | 2 | 4 | 1 | 3 |
| 1 | 8 | 22 | 10 | 11 | 12 | 11 | 13 |
| 2 | 3 | 17 | 11 | 0 | 12 | 14 | 22 |
| 2 | 2 | 15 | 4 | 5 | 8 | 9 | 15 |
| 12 | 10 | 12 | 11 | 3 | 5 | 5 | 12 |
| 10 | 19 | 14 | 15 |
| 7 | 12 | 21 | 5 |
| 8 | 22 | 12 | 22 |
| 12 | 15 | 8 | 15 |
左边是8*8的输入，经过2*2maxpooling后生成4*4输出，其方法是在输入的每个2*2的区域取一个像素点的最大值，用这个值代替原图像2*2区域的值，并且进行降维。
此做法的目的：对特征进行聚合，并且在局部区域是特征具有了一定的invariance。
全连接层：连接所有的特征，将输出值送给分类器（如softmax分类器）。
