卷积神经网络是深度学习中最关键的模型之一，在计算机视觉任务中得到了广泛应用，如图像分类、目标检测和图像分割。随着网络层数的增加，模型能够学习到更抽象、更复杂的特征表示。此外，池化层的使用通常可以缩减特征图的空间尺寸，既降低了计算成本，又增强了模型的鲁棒性。然而，训练深度卷积神经网络通常需要大量标注数据和强大的计算资源，这仍是当前研究中的重要挑战。对每组测试数据，你的程序需要向标准输出文件（通常为启