文章目录1 卷积神经网络基础1.1 二维卷积层1.2 填充和步幅1.3 多输入通道和多输出通道1.4 卷积层与全连接层的对比1.4 池化2 LeNet2.1 LeNet 模型2.2 获取数据和训练模型3 卷积神经网络进阶3.1 深度卷积神经网络(AlexNet)3.2 使用重复元素的网络(VGG)3.3 网络中的网络(NiN)3.4 GoogLeNet 1 卷积神经网络基础 本节我们介绍卷积神经网络的基础概念,主要是卷积层和池化层,并解释填充、步幅、输入通道和输出通道的含义。 1.1 二维卷积层 本节介绍的是最常见的二维卷积层,常用于处理图像数据 二维互相关运算 二维互相关(cross-cor