1、卷积层.卷积层由耩撞苏粪参数可学习的卷积核组成。卷积核的宽度和长度可改变，深度必须与输入层的通道数一致。比如说输入32*32*3的图片，一个卷积核的大小为5*5*3，一个卷积璀煌蒈琊核在padding=0情况下划窗生成一个二维的激活图（28*28*1）。
3、池化层：池化层用来控制图片的空间尺寸，相当于一个降采样的过程。同时，池化层也有着控制过拟合的作用。有maxpooling，averagepooling等类型
5、归一化层：最常用的归一化层是Batch Normalization。能使训练速度大大加快。
