经过过3层处理：卷积，ReLU和池化，我们从原图得到了几个4×4的矩形
如下图所示:
可以进一步将图像从4×4缩小到更小。
在第一次迭代之后，再次执行这3个操作。经过第二次迭代，我们得到了一个2×2矩阵，如下图所示:
卷积神经网络的最后一层是全连接神经网络，全连接意味着前一层的神经元连接到后一层的每个神经元，全连接层是分类实际发生的一层。
我们把经过前面几层处理后的图像，放在一个向量中，如下所示:
如下图所示，比较X和O的向量，可以看到，向量中会有一些高值元素。对于X，有不同的高值元素，同样对于O，也有不同的高值元素:
那么，我们从上面的图像中了解到了什么呢?
当第1、4、5、10、11个值较高时，可以将图像分类为“x”。其他字母的概念也类似 – 当某些值以这种方式排列时，它们可以映射到实际字母或数字。