,一，神經網絡中的卷積運算，需要哪些東西？
一般主要包括兩種：
1），輸入層，比如圖片處理，輸入就是將二維或三維圖片轉化成的矩陣形式
如右圖：
對於圖像處理，我們一般是選擇局部的，比如處理尾部上面的一塊曲線
我們用紅色框標註，其對應的矩陣假設爲：
2），卷積核，卷積層主要是提取特徵的關鍵，因爲它是你需要的特徵的過濾器；
上圖中，老鼠尾巴，就是我們要提取的特徵，那麼我們的卷積核應該設爲：
二，有了上面的東西，那麼怎麼提取出來呢
我們將卷積核作用於圖片，直接進行卷積運算，我們發現對於識別的特徵計算出來的值非常大；
對於上面的卷積：（50*30）+（50*30）+（50*30）+（20*30）+（50*30）=6600；
對於不能識別的特徵，計算的值非常小，如下：
對於不能識別de的特徵，曲線的卷積核與其卷積後的到de的值爲0；
綜上所述，我們提取圖片特徵的關鍵是設計合理的卷積核，做完卷積後，我們再經過池化，就可以得到相應的值；