要搞懂卷積的本質，得從以下幾個方面理解。
卷積的數學意義：卷積爲相乘再求和，其實質爲積分運算的離散實現，卷積核爲大小爲積分區間。
函數的表現形式：函數可以爲表達式，例如：y=a*x+b，也可以爲表格，深度學習中，卷積核爲積分函數，輸入爲積分變量。
對圖像或者特徵圖進行卷積的意義：先說輸入通道爲1輸出通道都爲n的情況，就是拿n個函數（長寬爲a，b的卷積核），對輸入
的兩個維度（x軸和y軸）的每一點（xt和yt）在區間（xt, xt+a）和區間（yt, yt+b）以卷積核
爲函數進行積分。如果輸入通道不爲1.那就是三元積分。
深度學習網絡的圖像卷積的完整數學過程：對輸入圖像的特定區間（卷積核的大小）用不同函數（卷積核）積分，積分值作爲輸出，經過激活函數變換，得到特徵圖，然後又用不同的函數進行積分，重複此過程。
爲什麼對圖像進行積分，激活，再積分，循環往復，就能得到我們想要的輸出值，這就需要探討數學的物理意義了。本人水平有限，暫時不懂