convolutional neural networks
特征提取（卷积、下采样）->分类器 （全连接）
卷积过程
依次进行数乘 （每个相同位置上的数字相乘再加和）
左右数乘矩阵channel数量要一样，输出得到一个通道
卷积核与图像无关，属于共享权重的机制
padding
输入=输出大小，若kernel=3，3/2=1，输入填充1圈0；若kernel=5，5/2=2，填充两圈
stride：中心移动距离
有效降低high和wide
下采样
在每一层通道中寻找2x2中最大的
最大池化层
例子
3x3长宽减少2
5x5长宽减少4
池化层2x2长宽减少一半
池化和relu顺序可以变化 ，最后一层不做激活
迁移到gpu
