1.神经网络的结构
注意：下图中的g函数为sigmoid函数
总结：因此，当神经网络的层数足够时，可以描述任意区域形状。
上图中的符号说明：
参数说明如下图：depth为神经元个数，步长为窗口每次移动的距离，填充值是使得上图中的宽度能被整除，所加的值
计算方法：每个对应的位置的元素相乘，再加上偏移量b1
计算过程：
0*0+0*1+0*0+0*0+0*0+0*0+0*-1+1*1+0*0=1
0*1+0*0+0*1+1*0+0*0+0*1+2*-1+2*0+0*-1=-1
0*-1+0*0+0*-1+1*1+1*0+0*0+0*-0+0*1+0*-1=1
1+(-1)+1+1=2
注意：最后一个1是b0的值
激励层选型经验总结：
取得窗口的最大值。
GPU:K80
