介紹深度學習的網路架構前，先來解釋一下相關的名詞解釋。

卷積層(Convolutional layer):

因為此區使用卷積運算便稱為卷積層，主要概念是把接收到的圖片經過分析處理，抽取區塊的特徵，簡單來說，此種運算會計算前後左右這四面方向的圖片特徵，再進一步去找出相近且符合的結果，應用如:手寫識別。

池化層(Pooling layer):

得到圖片的主要特徵後，需要和相似的圖片進行比對，但大多都是不重要的部分，只有少數的位置資訊是對比關鍵，於是池化層演變而稱，簡化、合併了那些較不重要且不相似的資訊，盡量以精簡化的方式凸顯特徵，縮小圖像尺寸的作法主要有三種：最大化（Max-Pooling）、平均化（Mean-Pooling）、隨機（Stochastic-Pooling)等，
有很好的抗雜訊能力，省去那些過度且不必要的運算。

參考資料:
Yeh James。[資料分析&機器學習] 第5.1講: 卷積神經網絡介紹(Convolutional Neural Network)。2107年12月25日。https://reurl.cc/K6rorR。
王庭毅。卷積神經網路。2018年10月10日。https://scitechvista.nat.gov.tw/c/sTmw.htm
chtseng。初探卷積神經網路。2017年9月12日。https://chtseng.wordpress.com/2017/09/12/%E5%88%9D%E6%8E%A2%E5%8D%B7%E7%A9%8D%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF/。