https://www.bilibili.com/video/BV184411Q7Ng?p=71
- 有多少个(对于3通道彩色图像来说，是组)filter，图像的输出通道数就是多少。
- 步长是1是为了观测更仔细。
卷积神经网络为何不使用之前的sigmoid()函数，而要适用新的relu激活函数呢？
一个卷积神经网络进行分类的例子：
http://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.37196&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false
注解：
- 学习率一般选红色方框中的那些。
注解：
- 激活函数选择Linear，意味着没有激活函数。
- 没有激活函数，迭代次数再多，也无法完成分类。
- 增加一个激活函树，就相当于增加一个非线性分割的能力。
注解：
- 引起梯度爆炸的两种情况：1.学习率大。2.使用sigmoid函数。
很多的filter会让图像的通道数或者说特征变得很多，所以需要池化层抵消掉这样的结局。
感觉这个答案应该是B