卷积的计算：
https://blog.csdn.net/qq_32846595/article/details/79053277
入门资料：
https://zhuanlan.zhihu.com/p/31249821
采样层实际上只是特征提取的过程，并不是一个实际的模块！！！
卷积实际上可以充当一个对原图像进行二次转化，提取feature 的作用。
全连接层：将pixels放入神经网络输出结果。
采样层：相当于信息预处理，只保留有用的信息。
加入卷积层，进一步减少数据
一个3x3 source pixels 经过一个3x3的卷积核后，source pixels 的特征映射成一个1x1 destination pixel。
级联分类器：大概意思就是我从一堆弱分类器里面，挑出一个最符合要求的弱分类器，用着这个弱分类器把不想要的数据剔除，保留想要的数据然后再从剩下的弱分类器里，再挑出一个最符合要求的弱分类器，对上一级保留的数据，把不想要的数据剔除，保留想要的数据。最后，通过不断串联几个弱分类器，进过数据层层筛选，最后得到我们想要的数据。
CNN主要由3钟模块构成：
卷积层
采样层
全连接层
整个过程相当于：
1、通过第一个卷积层提取最初特征，输出特征图（feature map）
2、通过第一个采样层对最初的特征图（feature map ）进行特征选择，去除多余特征,重构新的特征图
3、第二个卷积层是对上一层的采样层的输出特征图（feature map）进行二次特征提取
4、第二个采样层也对上层输出进行二次特征选择
5、全连接层就是根据得到的特征进行分类
来源：CSDN
作者：seven_zhouyan
链接：https://blog.csdn.net/seven_zhouyan/article/details/104555925