卷积神经网络
前言
卷积神经网络(Convolutional Neural Networks，CNN)是一种神经网络模型，是深度学习的代表算法之一。它广泛应用于计算机视觉、语音处理等领域，在图像处理，语音识别方面具有非常强大的性能。针对计算机视觉任务，卷积神经网络能够很好的从大量的数据中做到特征的提取，并且降低网络的复杂度。
概述
卷积神经网络在各个领域得到广泛的应用，但就其本质来说，卷积神经网络只是一个特征提取器，它通过强大的特征学习能力，进行不断的特征提取，通过不断地卷积、池化等操作，过滤掉无用的信息，最终将一幅图像转化为特征图，通过提取出来的特征进行图像分类，边缘检测等任务，卷积神经网络的应用，都建立在特征图之上。
术语解释
在 CNN 中，主要的参数有下面几个：
- 卷积核(kernel)
- 步长(stride)
- 填充(padding)
- 通道数(channel)
卷积核
卷积核无疑是 CNN 中最重要的一个部分，那么什么是卷积核呢？
或者说，什么是卷积？
首先上来就扔个公式出来，这不是一看就懂？
