卷积神经网络是一种前馈网络，它由若干卷积层和池化层组成，在图像处理方面表现十分出色。可应用于图像分类, 目标识别, 目标检测, 语义分割等等。
一、认识卷积神经网络基本结构
首先准备一个1（通道）x28（宽）x28（高）的张量，通过一个5x5的卷积层得到特征图C1，至于卷积的过程我们待会再看。之后进行2x2的下采样（池化层）得到一个通道为4，12x12的特征图。之后以S1为起点，重复上次步骤，最后得到了S2，即8x4x4的特征图。之后再进行全连接层，得到我们需要的向量。
问题1：为什么要进行卷积？
因为我们的输入input和输出output维度不一致，需要进行卷积来得到我们的目标维度的张量。
问题2：为什么要进行下采样？
减少数据量，以至于降低运算的需求
二、卷积的运算过程
如图，我们输入一个1x5x5（单通道）的张量进行卷积操作，卷积核是3x3的。红色区域是卷积核在做卷积时的初始位置，这里我们设步长stride=1。就是那个红色方格每次向右移动一格，移动三次后再从初始位置向下移动一格，然后再向右进行。每次卷积对应相乘，加到一起，如上图。这样我们一次遍历会得到一个3x3的矩阵。如下图
如果多个通道同时进行，分别进行卷积之后再加到一起，如图，很清晰。
分析
如图，刚开始是通道为n，高和宽都为5，经过3x3的卷积，通道不变，宽和高变为3x3，因为前面说了，这一个红色区域最后卷积成一个数值，左右移动，最后形成一个3x3的张量。然后n个通道在进行卷积相加，通道就变为了1。
三 、下采样
下采样就是池化层，分为平均池化和最大池化（未完）