Architecture:　　整个网络8层，5个卷积层，3个全连接层　　ReluNonlinearity：　　　　非饱和的relu比饱和的sigmoid或者tanh训练速度快很多，并有效解决梯度消失　　OverlappingPooling：　　　　论文中整个网络都使用重叠网络，分别降低top-1、top-5的错误率0....