摘要：
非常形象详细的博客：链接1 链接2 为了完成我们的卷积，我们不断地重复着上述过程，将feature和图中每一块进行卷积操作。最后通过每一个feature的卷积操作，我们会得到一个新的二维数组。这也可以理解为对原始图像进行过滤的结果，我们称之为feature map，它是每一个feature从原始图像 阅读全文
摘要：
全连接层就是把前面经过卷积、激励、池化后的图像元素一个接一个串联在一起，作为判决的投票值，最终得出判决结果。下面的一组图是大神的可视化讲解： 组成卷积神经网络，通过特征提取和学习得到标签的置信值，最终得出分类结果。 阅读全文