入门卷积神经网络学习（一）：卷积层

卷积层

当一个深度神经网络以卷积层为主体时，我们称为卷积神经网络。

卷积运算：

图片分黑白和彩色，在图像里我们相应地有灰度图像和灰色图像。对于灰度图像，由于只有阴暗的区别，因此我们只需要一个数字就可以表示出不同的灰度。如：0表示最暗的黑色，255表示为最亮的白色。对于彩色图像我们就用（R,G,B）三个数字表示一个颜色。
也就是说图像是三维形状的。当输入对象为图像时，卷积层会以3维数据的形式接受输入数据，并同样以3维数据的形式输出者下一层。
神经网络的卷积层就是运用卷积运算对原始图像或者上一层的特征进行变换的层。我们利用多个不同的卷积核（filter）【也可以叫做滤波器】对输入进来的三维图像提取特征，一个卷积核就可以得到一个张量。最后就可以获得一个全新的三维张量（特征图），通常一个深度神经网络的第一个卷积核会以图像作为输入，而之后的卷积核会以前面的层输出的特征图作为输入。
通过动图来形象的了解卷积运算。


从这两幅图中，我们大概明白了卷积运算的方法，但是拿2图来说，一个5x5的输入在经过3x3的卷积核时，会输出3x3的输入。但是会造成经过几次运算后，我们得到的输入可能就变成了1x1.
{卷积运算：一个输入时m维，一个卷积核时n