基本概念

卷积

我们可以看到，卷积过程其实还是基于一个固定的矩阵，在另外一个矩阵不断一格一格扫过去的到的数值的和，产生的一个新的矩阵，我们以作为比较会发现：粉红色矩阵和绿色矩阵在根本上有很大不一样，卷积之后的维数降低了.所以规律可以得到：粉红色最后的卷积结果矩阵维度=绿色矩阵维数-橙色矩阵维数+1

多通道数据的卷积过程

Input Data Size: A*A*B
Convolution Size: C*C*B
其中 A>B
Output Data Size: (A-C+1)*(A-C+1)*\1
直接将结果相加即可

池化

我们可以发现其实跟之前没什么不一样：还是以三个矩阵之间的运算，但是我们很容易发现，它并不是一行一行扫过去的，橙色矩阵维度是黄色矩阵的整数倍，所以池化的最终的结论是要把原来的维度减少到1/n.这是池化最根本的原理（当然也有特殊情况。）

步长

那个粉红色矩阵，他每一次移动多少格，格子就是步长！！

Padding(增边)

padding操作用以解决这个问题“如果我不想最后减少维度，我只希望卷积，怎么办呢？”

现在我们来解决这个问题：比如：我们需要做一个300*300的原始矩阵，用一个3*3卷积核（粉红色矩阵）来扫，扫出来，按照之前公式，结果的矩阵应该是：298*298的矩阵，但是这样很难计算，减得也不多，反而增加我计算难度，还不如池化（pooling）来得干脆是吧！那我们就在300*300矩阵外面周围加一圈“0”，记住，是在外面外包一层“0”

重点是：这样的300*300就变成了302*302的矩阵，这样就可以完全避开卷积后那两层的抵消。

卷积核(就是一个数字)

橙色矩阵