CNN是什么？
CUDA ：
通用并行计算框架。
全称convolutional neiural network.属于深度学习的分支。
所谓卷积神经：就是自动的对于一张图片选择出最好的卷积核以及这些卷积核的组合方式。
什么是过拟合？
一个overfitted模型记住太多training data的细节从而降低了generalization的能力。
其他解释：过度拟合（overfitting）是指数据模型在训练集里表现非常满意，但是一旦应用到真实业务实践时，效果大打折扣；换成学术化语言描述，就是模型对样本数据拟合非常好，但是对于样本数据外的应用数据，拟合效果非常差。
什么是数据噪音啊？ 干扰数据？
跟样本数据不是同一分布的数据，比如在全是水果名称里，出现了动物名称。
数据输入层：
对图像进行预处理：
•去均值：把输入数据各个维度都中心化为0 • 归一化：幅度归一化到同样的范围 • PCA/白化：用PCA降维；白化是对数据各个特征轴上的幅度归一化
卷积层：定义，作用，为什么？
作用：1.降低卷积层输出的特征向量的维度。 2.减少过拟合现象。过拟合现象的存在是因为结果对于输入的某些误差过于敏感，通过max-pooling或mean-pooling可以减少噪声。
两个特性：局部连接，权值共享。实现的方式：卷积核。
作用：减少参数的训练。
RELU层：定义，作用，为什么？
全称：修正线性单元。
特点：收敛速度快，求梯度简单。
为什么：1 速度快。 2，减少梯度消失问题。 3 稀疏性。
作用：把卷积的结果做非线性转换。
池化层：定义，作用，为什么？
作用:1.降低卷积层输出的特征向量的维度。 2.减少过拟合现象。过拟合现象的存在是因为结果对于输入的某些误差过于敏感，通过max-pooling或mean-pooling可以减少噪声。
全连接层：定义，作用，为什么？
