 常见算子类型 layer‑＞type)
GoogLeNet (Caffe) 常见算子类型 layer‑type下面这些，都是 CNN 卷积神经网络基础算子。表格算子类型中文名称核心作用Convolution卷积层提取图像特征：边缘、纹理、局部形状；卷积核滑动计算，是 CNN 最核心层。ReLUReLU 激活函数引入非线性。把小于 0 的数值置 0，大于 0 保留；让网络可以学习复杂特征，防止梯度饱和。Pooling池化层（下采样）缩小特征图宽高，减少计算量；保留主要特征，增加特征鲁棒性；分为最大池化、平均池化。InceptionInception 模块GoogLeNet 特有。同一层同时用多种尺寸卷积 (1×1、3×3、5×5)+ 池化，多尺度提取特征，拼接在一起。Dropout丢弃层训练时随机让一部分神经元失效，防止过拟合；推理阶段不起作用。InnerProduct全连接层 FC把二维特征图拉直成一维向量，做特征整合，最后映射到分类分数。 GoogLeNet (Caffe) 常见算子类型 layer‑type下面这些，都是 CNN 卷积神经网络基础算子。表格算子类型中文名称核心作用Convolution卷积层提取图像特征：边缘、纹理、局部形状；卷积核滑动计算，是 CNN 最核心层。ReLUReLU 激活函数引入非线性。把小于 0 的数值置 0，大于 0 保留；让网络可以学习复杂特征，防止梯度饱和。Pooling池化层（下采样）缩小特征图宽高，减少计算量；保留主要特征，增加特征鲁棒性；分为最大池化、平均池化。InceptionInception 模块GoogLeNet 特有。同一层同时用多种尺寸卷积 (1×1、3×3、5×5)+ 池化，多尺度提取特征，拼接在一起。Dropout丢弃层训练时随机让一部分神经元失效，防止过拟合；推理阶段不起作用。InnerProduct全连接层 FC把二维特征图拉直成一维向量，做特征整合，最后映射到分类分数。 
)
