1.CNN总体架构
(1)convolution 卷积
计算方法：对应位置相乘，再将9个格子的乘积结果相加(內积)。
卷积神经网络与全连接的神经网络的区别：
将下图中的6*6的矩阵拉直成一个列向量，则下图中右边部分的4*4矩阵的第一个3是由部分值与filter的3*3矩阵內积而来
<1>卷积神经网络只连接部分的input,而全连接的神经网络则是连接所有的input
<2>权重w共享机制，下图中权重w就是3*3的filter矩阵
share weight
(2)Max Pooling 最大池化
利用不同的filter,可以得到不同的结果，下图对结果按4个划分，保留最大值(也可以保留平均值)后，最终会变成2*2的矩阵
CNN的整体过程：
(3)Flatten
将各层的filter拉直成1*n的向量，输入到全连接的神经网络中。