TASK3: CNN卷积神经网络

1. 术语：

CNN：卷积神经网络。即至少有一个卷积层的网络。典型的 CNN 还包括其他类型的层级，例如池化层和密集层。
卷积：向图像应用核（滤波器）的过程
核/滤波器：小于输入的矩阵，用于将输入变成多个小区域
填充：在输入图像周围添加像素，像素值通常为 0
池化：通过下采样降低图像大小的过程。池化层有多种类型。例如，平均池化通过求平均值将多个值变成一个值。但是最大池化是最常见的池化类型。
最大池化：一种池化过程，通过获取多个值中的最大值，将多个值变成一个值。
步长：在图像上滑动核（滤波器）的间隔像素数量。
下采样：降低图像大小的操作.

卷积是指向图像应用滤波器（核）的过程。

最大池化是指通过下采样降低图像大小的过程。

对彩色图像进行卷积，kennel是3D的。对彩色图像进行卷积运算，区别在于要做3个卷积，而不像灰度图像，只需要1个。

一般CNN会使用多个filter，就会得到多个convoluted output 。训练的时候，filter中的值会被不断优化。

对彩色图像执行最大池化运算