卷积神经网络 (CNN) 的 5 个主要层：详细解读

卷积神经网络 (CNN) 是深度学习领域中用于图像识别和处理的一种强大工具。一个典型的卷积神经网络主要由以下 5 层组成：

1. 数据输入层 / Input layer：用于预处理原始图像数据，包括去均值、归一化和 PCA/白化操作，以便将样本中心化并减少数据取值范围的差异。

2. 卷积计算层 / CONV layer：使用局部关联和滤波器来对局部数据进行计算，以便提取图像的特征。

3. ReLU 激励层 / ReLU layer：对卷积层输出结果进行非线性映射，以便增强特征表达能力并提高分类准确率。

4. 池化层 / Pooling layer：通过对局部数据进行降采样操作，以便减少计算量并增加网络的鲁棒性。

5. 全连接层 / Fully connected layer：将前面几层的输出结果进行连接，以便进行分类或其他任务。