何为神经网络卷积层？
💡
原文中文，约8700字，阅读约需21分钟。
📝
内容提要
卷积运算是一种特殊的线性运算，可以提取图像空域上相邻的信息，具有局部连接和权重共享的特点，可以减少参数数量，提高训练效率。卷积层的输出Feature map大小取决于输入大小、Pad数、卷积核大小和步长。
🎯
关键要点
- 卷积运算是一种特殊的线性运算，具有局部连接和权重共享的特点。
- 卷积层的输出特征图大小取决于输入大小、填充数、卷积核大小和步长。
- 卷积神经网络（CNN）专为处理图像数据而设计，是深度学习的重要技术。
- 卷积操作通过滑动卷积核在图像上提取特征，生成特征映射（Feature Map）。
- 卷积的定义涉及翻转、滑动和叠加的过程。
- 卷积层通过局部连接和权重共享来减少参数数量，提高训练效率。
- 卷积层的输出形状由输入形状和卷积核的形状决定，并引入步长和零填充以增加灵活性。
- 汇聚层用于降低空间分辨率，聚集信息，通常计算最大值或平均值。
- 卷积神经网络结构通常由卷积层、汇聚层和全连接层交替堆叠而成。
- 现代卷积网络趋向于使用更小的卷积核和更深的结构，汇聚层的作用逐渐减小。
➡️
