卷积层|Convolution|知识补充

CNN中增加了Convolution层和Pooling层；
CNN中层的连接顺序是“Convolution-ReLu-Pooling”。

全连接层存在的问题：
数据的形状被“忽视”了，比如，输入的数据是一个三维的图像信息，但是在向全连接层输入时，需要把三维数据reshape成一维数据，无法利用与形状相关的信息。

而卷积层可以保持形状不变，当输入数据是图像时，卷积层可以以3维数据的形式接收输入数据，并以三维数据的形式输出至下一层。

卷积进行的操作就是卷积运算：
滑动窗口进行计算并且求和

对3维数据的卷积运算：