> For the complete documentation index, see [llms.txt](https://baozoulin.gitbook.io/neural-networks-and-deep-learning/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://baozoulin.gitbook.io/neural-networks-and-deep-learning/di-si-men-ke-juan-ji-shen-jing-wang-luo-convolutional-neural-networks/convolutional-neural-networks/foundations-of-convolutional-neural-networks/18-jian-dan-juan-ji-wang-luo-shi-li-ff08-a-simple-convolution-network-example.md).

# 1.8 简单卷积网络示例（A simple convolution network example）

简单的CNN网络模型：

![](/files/-Le0cUhTOMrAQg-f8X8E)

$$a^{\[3]}$$的维度是7 x 7 x 40，将$$a^{\[3]}$$排列成1列，维度为1960 x 1，然后连接最后一级输出层。输出层可以是一个神经元，即二元分类（logistic）；也可以是多个神经元，即多元分类（softmax）。最后得到预测输出$$\hat y$$

随着CNN层数增加，$$n\_H^{\[l]}$$和$$n\_W^{\[l]}$$一般逐渐减小，而$$n\_c^{\[l]}$$一般逐渐增大

CNN有三种类型的layer：

* **Convolution层（CONV）**
* **Pooling层（POOL）**
* **Fully connected层（FC）**

CONV最为常见也最重要