池化层（Pooling layer）
池化层干一件事：将特征图进行浓缩
两种方法：一种是max方法，一种是mean方法，
max方法做的事就是在特征图中选定一个区域，选取里面的最大值，然后放在pooling的结果中
mean方法就是在特征图中选定一个区域，求这个区域的均值，然后放在pooling的结果中
这里面不存在权重参数w
max方法：
mean方法就是把求max换成求mean
卷积神经网络前向传播框架：
通常conv+relu是一个整体，卷积完成后，在加一层激活函数
最后的一个池化层pooling链接的是一个全连接层（FC），得到特征向量。
全连接层：
全连接到底是一个什么鬼？
说白了就是用所有的w与全连接的输入进行加权求和，得到的一维向量
其中，x1、x2、x3为全连接层的输入，a1、a2、a3为输出，根据我前边在笔记1中的推导，有
可以写成如下矩阵形式：
这里的w是每一行内的每一个，每一列内的每一个，全部的w都与全部的输出有关系，所以叫做全连接层。