一个通用的CNN搭建函数，目标是用户只需定义网络结构和训练方案，就能直接调用这里的函数搭建CNN网络。这里的代码会不断补充，后续的网络实现都会以这里的代码为基础。
如LeNet-5只需用一个lenet列表定义整个网络结构。
Classify MNIST by 2 layers of fully connected layers(FC).
用2层全连接层分类手写字MNIST
| type | output |
|---|---|
| data | 784 |
| fc | 500 |
| fc | 10 |
Classify MNIST by 7 layers LeNet-5
参考LeNet-5模型，第一层输入改为28x28（原论文32x32），由3层卷积层和2层全连接层组成，另外前两层卷积层都连接一层池化层。
Paper:Gradient-based learning applied to document recognition.
- 激活函数采用ReLU
| layer | type | output | size |
|---|---|---|---|
| 0 | data | 28x28x 1 | 1x1 |
| 1 | conv | 28x28x 6 | 5x5 |
| 2 | pool | 14x14x 6 | 2x2 |
| 3 | conv | 10x10x16 | 5x5 |
| 4 | pool | 5x 5x16 | 2x2 |
| 5 | conv | 1x1x120 | 5x5 |
| 6 | fcon | 84x 1 | 1x1 |
| 7 | fcon | 10x 1 | 1x1 |
自编码器，用两层全连接实现
人脸关键点检测，点击这里到数据下载地址，两个csv文件，解压后共284.09MB。