深度学习：吴恩达深度学习课程笔记之CNN

1. 每一个滤波器的维度与该层的特征图个数一致，而不简单是一个二维矩阵，比如神经网络的输入为RGB图像（大小为11*11），则第一层使用两个3*3滤波器进行卷积，实际的滤波器应该为3*3*3，输出为9*9*2，即RGB图像经过3*3*3卷积后为二维图像9*9，而两个滤波器会生成两个9*9图像，即9*9*2

2.图像处理中的卷积操作实际上并不是信号处理中的真正意义上的卷积，而是相关操作，因为实际计算时并没有对滤波核进行翻转操作

3.池化操作是对图像的每一个通道进行处理的，例如8*8*3经过处理后为4*4*3（该池化操作中步长为2，padding为0）​

4.池化操作的步长可以像filter一样设置不同值，如果是步长为2，则结果中每个元素为输入图像的2*2大小的区域中处理的结果​，滑动窗之间没有重叠