1.卷积层
卷积层的主要作用是对输入的数据进行特征提取，而完成该功能的是卷积层中的卷积核。我们可以将卷积核看作一个指定窗口大小的扫描器，扫描器通过一次又一次地扫描输入的数据，来提取数据的特征，如果我们输入的是数据，那么在通过卷积层处理后，就可以识别出图像中的重要特征。
2.池化层
卷积神经网络的池化层可以被看作卷积神经网络的一种提取输入数据的核心方式，不仅实现了对原始数据的压缩，还大量减少了参与模型计算的参数，从某种意义上提升了计算效率。其中，最常被用到的池化层方法是平均池化层和最大池化层，池化层处理的输入数据在一般情况下是经过卷积操作之后生成的特征图。
3.全连接层
全连接层的主要作用是将输入图像在经过卷积和池化操作后提取的特征进行压缩，并且根据压缩的特征完成模型的分类功能。