1.卷積神經網絡convolutional neural network
卷積神經網絡是有生物學意義的，每個視覺神經元只對特定的一定范圍的圖形進行感知。相對于普通神經元來說，它會大大減少參數量。
2.卷積網絡的計算過程
在卷積神經網絡中有個卷積核的概念，每個卷積核與相應的圖像區塊進行乘積運算，然后通過激活函數。接著可以連接池化層，池化可以增加圖像的旋轉、平移和縮放的不變性。
多通道下的卷積，是每個通道卷積核運算后各通道之和進入激活函數。
1X1的卷積也是有意義的，會增加模型的非線性(增加一次激活運算），提高模型的擬合能力。
步長strider
補償問題，SAME
如果步長不為1，那么補償成一樣大小是有困難的（補的范圍會很大）
