卷积神经网络常见三层的介绍
卷积层：输入与滤波器做元素积，再求和，即得到输出中对应的一个元素（滤波器可以不翻转）。
池化层：每个通道单独池化，其中，一个通道就代表所提取到的一种特征在图片中的分布，值越大，代表这种特征在该区域就越明显，值越小，代表这种特征在该区域几乎没有，池化后的输出也是保持这样。
最常用的是 最大池化，其次是平均池化。
注意：池化层没有参数要进行学习（更新），它只有超参数（人为设置），无权重矩阵和偏置。
一个完整例子：
其中，从池化层到全连接层要经过平面化flatten，变成一个向量。
注意：池化层无参数，卷积层参数较少，大部分参数在全连接层。