卷积神经网络CNN
卷积神经网络的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。
神经网络的基本组成包括输入层、隐藏层和输出层。
卷积神经网络的特点在于隐藏层分为卷积层和池化层。
padding
卷积核在提取特征映射时的动作称为padding，其中有两种方式：
不越过边缘取样称为Vaild Padding
越过边缘取样称为Same Padding
卷积神经网络的发展
Alexnet之后卷积神经网络的演化过程主要有4个方向的演化：一个是网络加深，二是增强卷积层的功能，三是从分类任务到检测任务，四是增加新的功能模块。
MINIST的AlexNet实现
一次完整的训练模型和评估模型的过程一般分为3个步骤：
加载数据
定义网络模型
训练模型和评估模型