深度学习的相关基础概念和重要点 LENET5
-
池化层
即下采样层，池化操作就是图像的resize，池化层用的方法有Max pooling 和 average pooling，而实际用的较多的是Max pooling。 -
过拟合
-
模型泛化能力
LENET5算法结构
如下图所示，需要注意几点：
（1）全连接层，一个结果是上一层所有元素的加权求和，这里权即训练参数；
（2）卷积层，第二个卷积层的结果是上一层某几个元素卷积后进行相加，没有权；第三个卷积层的结果是上一层所有元素卷积后进行相加，也没有权；这里的权存在于卷积核上面。