为更好地理解卷积层，以两张图片对比所示：
左侧若采用全连接方式进行学习，则参数量很大。而右侧只提取局部特征（对应点的周边的一些属性）进行学习，可以极大地减少参数量。
我们将这种相乘并累加的操作叫为卷积操作。
这种卷积操作在信号处理中是有明确定义的，
这种卷积操作在图像处理领域中有诸多应用，
Sharpen(锐化操作)
用5*5的核进行卷积计算
这样生成的feature map的size与原图一样，戴氏特征更加突出
相应的也可以进行模糊处理
Blur（模糊处理）
模糊处理即取周围点进行相乘累加。
另外还有边缘检测
Edge Detect（边缘检测）
那么经过了卷积运算后，生成的feature map为
每次扫描使用不同的核，会得到不同的feature map。
