具有較多卷積層的網路稱為「深層」網路。由於能為資料建立階層式表徵，它們在擬合複雜資料時通常更有能力。
深層 CNN 與只有單一卷積層的 CNN 之間，一個主要的差異是什麼？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
卷積神經網路會從影像中所表徵的資料來學習。本章將帶你探查影像中的資料，並學習如何使用 Keras 訓練神經網路，將影像中出現的物體加以分類。
卷積是卷積神經網路的基本組成元件。本章將介紹卷積，並帶你了解它如何作用於影像資料。你也會看到如何把卷積納入 Keras 神經網路中。
當卷積神經網路由多層堆疊（深度網路）構成時，能發揮更強的威力。本章將教你如何將多個卷積層堆疊成深度網路。你也會學到，隨著網路變大，如何追蹤並控制參數的數量。
當前練習
有許多方法可以改進神經網路的訓練效果。本章將著重於如何追蹤網路的表現，並探索改進卷積神經網路的各種作法。
