在没有激活函数的情况下顺序地将两个卷积层放在彼此后面有意义吗？

在没有激活函数的情况下顺序地将两个卷积层放在彼此后面是有意义的。卷积层是深度学习中常用的一种神经网络层，用于提取输入数据的特征。每个卷积层由多个卷积核组成，每个卷积核对输入数据进行卷积操作，生成一组特征图。

在没有激活函数的情况下，两个卷积层的组合可以实现更复杂的特征提取。第一个卷积层可以提取低级别的特征，例如边缘、纹理等，而第二个卷积层可以进一步提取更高级别的特征，例如形状、物体等。通过顺序地将两个卷积层放在彼此后面，可以逐渐提取出更抽象和复杂的特征，从而提高模型的表达能力和性能。

然而，需要注意的是，没有激活函数的情况下，两个卷积层的组合可能会导致模型的非线性能力受限。激活函数的作用是引入非线性变换，使得神经网络可以学习更复杂的函数关系。因此，在实际应用中，通常会在卷积层之后添加激活函数，例如ReLU、Sigmoid、Tanh等，以增加模型的非线性能力。

总结起来，没有激活函数的情况下顺序地将两个卷积层放在彼此后面是有意义的，可以逐渐提取出更抽象和复杂的特征。但为了增加模型的非线性能力，通常会在卷积层之后添加激活函数。