笔记二：最简单的卷积神经网络(带卷积层 池化层 全连接层)

最基础的卷积神经网络图解

小结：

1. 将Layer2层得到的5x5x16的单元展开为一维400长度的向量通过权重参数$w^{[3]}$w[3]和偏置参数$b^{[3]}$b[3]进行全连接,得到一长度为120的一维向量，后面类似，最终经过softmax函数进行判别。
2. 笔记一中没有对通道数进行说明：通道数即为滤波器的数量，如图所示：Layer1为6，所以得到28x28x6的单元，Layer2为16，故得到10x10x16的单元

上述网络结构**值及参数变化分析

观察表格可知：

1. 池化层、最大池化层没有参数
2. 卷积层参数相对较少
3. 许多参数存在于神经网络的全连接层
4. 随着神经网络加深，**值会逐渐变小，根据吴恩达老师的经验：如果**值下降太快，则会影响网络性能