深度学习（二—— 卷积神经网络）
1.卷积神经网络
主要层结构：卷积层、池化层、全连接层。
神经元个数：一个卷积层的输出是20*20*32，则神经元的个数为：20*20*32=12800；
滤波器窗口大小：3*3, 输入的数据体深度10，则每个神经元有：3*3*10=900参数；
总的参数：12800*900=11520000个参数；
参数共享：32个滤波器，总共参数：32*900=28800。原因：特征在不同位置的表现是相同的。
卷积层的一些性质：
池化层：减少参数量，防止过拟合；（特征不变性）
实际证明，最大池化效果最好，平均池化一般放在卷积神经网络的最后一层。
（在进入全连接层之前，使用全局平均池化能够有效降低过拟合）
全连接层：