CNN-多类别分类 模型的体系结构：我选择创建由4个卷积层组成的CNN模型，以便在每一层上我都使用Relu激活函数和max pool来减小输出矩阵的大小。 此外，我为我的网络添加了辍学，以防止过度拟合。 我整个网络的最后一部分是一个全连接的神经网络，该网络具有3层（2个隐藏层），因此输出层的大小是我们必须分类的类数的30。 超参数和模型的属性：卷积层的滤镜大小：对于前2个卷积层，我选择滤镜大小为4X4，而对于最后两个卷积层，我选择滤镜大小为5X5。 我对这些尺寸进行了测试，最后我选择了性能最佳