要搞懂卷积的本质，得从以下几个方面理解。
卷积的数学意义：卷积为相乘再求和，其实质为积分运算的离散实现，卷积核为大小为积分区间。
函数的表现形式：函数可以为表达式，例如：y=a*x+b，也可以为表格，深度学习中，卷积核为积分函数，输入为积分变量。
对图像或者特征图进行卷积的意义：先说输入通道为1输出通道都为n的情况，就是拿n个函数（长宽为a，b的卷积核），对输入
的两个维度（x轴和y轴）的每一点（xt和yt）在区间（xt, xt+a）和区间（yt, yt+b）以卷积核
为函数进行积分。如果输入通道不为1.那就是三元积分。
深度学习网络的图像卷积的完整数学过程：对输入图像的特定区间（卷积核的大小）用不同函数（卷积核）积分，积分值作为输出，经过激活函数变换，得到特征图，然后又用不同的函数进行积分，重复此过程。
为什么对图像进行积分，激活，再积分，循环往复，就能得到我们想要的输出值，这就需要探讨数学的物理意义了。本人水平有限，暂时不懂