卷积神经网络CNN的结构一般包含这几个层：

1. 输入层：用于数据的输入

CNN的输入层的输入格式保留了图片本身的结构。
黑白的：CNN的输入是一个二维神经元

RGB的：输入是一个三维神经元

2.卷积层：使用卷积核进行特征提取和特征映射

一个感受视野带有一个卷积核，我们将 感受视野 中的权重 矩阵称为 卷积核
卷积核的大小由用户来定义，即定义的感受视野的大小

3.激励层：由于卷积也是一种线性运算，因此需要增加非线性映射

4.池化层：进行下采样，对特征图稀疏处理，减少数据运算量。

池化可以将一幅大的图像缩小，同时又保留其中的重要信息

经过最大池化操作（比如2*2大小）

不足的在外面补0

因为最大池化（max-pooling）保留了每一个小块内的最大值，所以它相当于保留了这一块最佳的匹配结果（因为值越接近1表示匹配越好）。这也就意味着它不会具体关注窗口内到底是哪一个地方匹配了，而只关注是不是有某个地方匹配上了。这也就能够看出，CNN能够发现图像中是否具有某种特征，而不用在意到底在哪里具有这种特征。这也就能够帮助解决之前提到的计算机逐一像素匹配的死板做法。

卷积，池化，激活放在一起

再进行一次：

5.全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失

后面其实是一个回归分类的过程。对于普通的分类问题，最后就是逻辑回归regression，多分类会用到softmax回归。将全连接得到的列向量比如n维列向量[1,n]乘以权重矩[n,2]，最后得到一个[1,2]的结果（这2个数值可以理解为代表属于两类的概率）用于进行二分类。多分类问题类比，softmax会得到属于每一类的概率，取概率最大的一类作为预测结果。
这一整个过程，从前到后，被称作”前向传播“，得到一组输出，然后通过反向传播来不断纠正错误，进行学习。

6.输出层：用于输出结果