卷积运算

卷积神经网络有两个重要的性质：
1、卷积神经网络学到的模式具有平移不变性（translation invariant）。因此，在处理图像时可以高效利用数据（视觉世界从根本上具有平移不变性），只需要很少的训练样本就可以学到具有泛化能力的数据表示。
2、卷积神经网络可以学到模式的空间层次结构（spatial hierarchies of patterns）。（视觉世界从根本上具有空间层次结构）。
对于包含两个空间轴（高度和宽度）和一个深度轴（通道轴）的3D张量，卷积也叫特征图（feature map）。卷积运算从特征图中提取图块，并对所有的图块应用相同的变换，生成输出特征图（output feature map）。输出特征图依然是一个3D张量，有宽度和高度，深度可以任意取值，代表过滤器（filter）。