filter = kernel

    cross-correlation互相关

    卷积convolution = 翻转 + 互相关

    python: conv_forward

    tensorlofw: tf.nn.conv2d

    keras: Conv2D

    Padding

    n_n的矩阵和k_k的核卷积，得到的矩阵为(n-k+1)*(n-k+1)

    在周围填充p圈后，得到矩阵为(n-k+2p+1)*(n-k+2p+1)，习惯上用0填充

    防止图像变小，并且使边缘的像素能被更多卷积核覆盖到

    如果卷积步长(stride)为s，得到矩阵边长为[(n-f+2p)/s]+1（向下取整）

    Valid卷积：没有padding

    Same卷积：输出和输入一样大，k=2p+1且s=1

    filter的大小一般是奇数

    垂直边缘检测器

    1 0 -1

    1 0 -1

    1 0 -1

    CNN - 图1

    多过滤器

    CNN - 图2