卷积神经网络如何用于建立学习模型？
包含至少一层的神经网络称为卷积层。卷积神经网络通常由以下提到的层的某种组合组成：
卷积层
汇聚层
致密层
卷积神经网络已用于为特定类型的问题（例如图像识别）产生出色的结果。
这是一种深度学习算法，将图像作为输入，为其赋予重要性，即该算法学习为值分配权重和偏差。这有助于将一个对象与另一个对象区分开。
ConvNet中所需的预处理量少于其他分类算法。在某些情况下，过滤器是手工设计的，但是经过足够的培训，卷积网络（也称为ConvNets）可以学习这些过滤器/特征。
ConvNet的架构类似于人脑神经元中的连接模式。