55.1 CNN的网络结构

CNN 和我们之前见过的神经网络相同，也是由各层组合而成的。不过在 CNN 中出现了新的层——卷积层(convolution layer)和池化层(pooling layer)。后面会解释卷积层和池化层的具体内容，这里我们先看看 CNN 是由什么样的层组合而成的。图 55-1 是一个 CNN 模型的示例。

图55-1 CNN模型的示例（本计算图以层为单位绘制，只展示输入变量和输出变量。卷积层用Conv表示，池化层用Pool表示）

如图55-1所示，CNN中新添加了Conv层和Pool层。CNN中各层的连接顺序是 $\mathrm{Conv} \rightarrow \mathrm{ReLU} \rightarrow (\mathrm{Pool})(\mathrm{Pool}$ 层有时会被省略)。我们可以认为是 $\mathrm{Conv} \rightarrow \mathrm{ReLU} \rightarrow (\mathrm{Pool})$ 替代了此前的Linear $\rightarrow \mathrm{ReLU}$ 。另外，图55-1的输出附近的层则使用了之前的组合Linear $\rightarrow \mathrm{ReLU}$ 。以上是CNN的常见配置。