当向预先训练的CNN添加层时，您是在开始添加还是在后面添加。它像队列还是堆栈？

当向预先训练的CNN添加层时，一般是在后面添加层。这是因为卷积神经网络（CNN）是一种层叠的结构，每一层都对输入数据进行特征提取和转换。在预先训练的CNN中，通常已经包含了一些卷积层和池化层，这些层已经学习到了一些低级和中级的特征。

通过在预先训练的CNN的后面添加新的层，我们可以进一步扩展网络的能力，引入更高级的特征表示。这些新添加的层可以是全连接层、归一化层、Dropout层等。通过在后面添加层，我们可以利用预先训练的网络已经学到的特征，并在此基础上进一步提取更高级的特征。

在这个过程中，我们可以将添加层的操作类比为堆栈。每次添加新的层，都会将其放置在已有层的顶部，形成一个层叠的结构。这样做的好处是，新添加的层可以直接利用前面层已经学到的特征，从而更好地适应当前任务。

需要注意的是，添加层的顺序和具体的网络结构设计是有关的，不同的任务可能需要不同的层次结构和层的顺序。因此，在实际应用中，需要根据具体情况进行调整和优化。

推荐的腾讯云相关产品和产品介绍链接地址：

• 腾讯云AI计算平台：https://cloud.tencent.com/product/ai
• 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
• 腾讯云人工智能服务：https://cloud.tencent.com/product/ai_services
• 腾讯云视频处理服务：https://cloud.tencent.com/product/vod
• 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
• 腾讯云移动开发平台：https://cloud.tencent.com/product/mobdev
• 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
• 腾讯云区块链服务：https://cloud.tencent.com/product/baas
• 腾讯云元宇宙解决方案：https://cloud.tencent.com/solution/metaverse