,一，神經網路中的卷積運算，需要哪些東西？

一般主要包括兩種：

1），輸入層，比如圖片處理，輸入就是將二維或三維圖片轉化成的矩陣形式

如右圖：

對於影象處理，我們一般是選擇區域性的，比如處理尾部上面的一塊曲線

我們用紅色框標註，其對應的矩陣假設為：

2），卷積核，卷積層主要是提取特徵的關鍵，因為它是你需要的特徵的過濾器；

上圖中，老鼠尾巴，就是我們要提取的特徵，那麼我們的卷積核應該設為：

二，有了上面的東西，那麼怎麼提取出來呢

我們將卷積核作用於圖片，直接進行卷積運算，我們發現對於識別的特徵計算出來的值非常大；

對於上面的卷積：（50*30）+（50*30）+（50*30）+（20*30）+（50*30）=6600；

對於不能識別的特徵，計算的值非常小，如下：

對於不能識別de的特徵，曲線的卷積核與其卷積後的到de的值為0；

綜上所述，我們提取圖片特徵的關鍵是設計合理的卷積核，做完卷積後，我們再經過池化，就可以得到相應的值；