平时积累

卷积：卷积也可以形式化地描述，事实上，它就是一种数学运算，跟减加乘除没有本质的区别(卷积被广泛地用于化简等式)
卷积核：常常被称为滤波器（一种自编码器）
在图像里面有：（例如：）
    锐化图像（强调细节）
    模糊图像（减少细节）
并且每个feature map都可能帮助算法做出决策（一些细节，比如衣服上有3个纽扣而不是两个，可能可以区分一些服饰）。


使用这种手段——读入输入、变换输入、然后把feature map喂给某个算法——被称为特征工程。


卷积神经网络就是干这个的:
我们赋予参数给这些核，参数将在数据上得到训练。随着卷积神经网络的训练，这些卷积核为了得到有用信息，在图像或feature map上的过滤工作会变得越来越好。这个过程是自动的，称作特征学习。特征学习自动适配新的任务：我们只需在新数据上训练一下自动找出新的过滤器就行了。这是卷积神经网络如此强大的原因——不需要繁重的特征工程了！