目錄
最近有一個想法，把基礎的東西自己總結一遍，後期有了新的理解不斷完善
卷積過程：
圖（1）
gif理解了，卷積的過程也就理解了；
1、什麼是卷積
圖像中不同數據窗口的數據和卷積核作內積的操作叫做卷積，本質是提取圖像不同頻段的特徵。和圖像處理中的高斯模糊核原理一樣。
2、什麼是卷積核
圖（2）
也稱爲濾波器filter，帶着一組固定權重的神經元，通常是3x3矩陣，一個卷積核的濾波可以用來提取特定的特徵（例如可以提取物體輪廓、顏色深淺等）,通過卷積層從原始數據中提取出新的特徵的過程又成爲feature map(特徵映射)，上圖（1）卷積核大小是3X3.，說明下現在卷積核和卷積層之間的概念很模糊了，卷積核和卷積層概念已經混淆。但是還是得說下最準確的說法
3、什麼是卷積層
多個濾波器疊加便成了卷積層。上圖（1）卷積層大小是3X3x3（CxHxW）. C：表示channel，通道的意思
4、一個卷基層有多少個參數：
上圖（1）卷積層參數是是3X3x3x2（C1xHxWxC2）輸入特徵通道 x 卷積核H x 卷積核W x 輸出特徵的通道
5、通道(chennel）怎麼理解：
通道可以理解爲視角、角度。每個chennel表示不同的含義
6、幾個參數:
深度depth：卷積層個數，上圖（1）2個，決定輸出的通道數上圖（1）輸出通道2個。
步長stride：決定滑動多少步可以到邊緣，上圖（1）步長爲2。
填充值zero-padding：在外圍邊緣補充若干圈0，方便從初始位置以步長爲單位可以剛好滑倒末尾位置，通俗地講就是爲了總長能被步長整除。 上圖（1）zero-padding 是1。
7、如何理解權值共享，減少了神經網絡需要訓練的參數的個數？
https://blog.csdn.net/lien0906/article/details/51249947這個解釋的挺好
來自：