卷积神经网络
卷积运算是卷积神经网络最基本的组成部分
在数学中*就是卷积的标准标志，是一个重载符号
Sobel的过滤器 Scharr过滤器
有一个的图像，用的过滤器做卷积，那么输出的维度就是
每次做卷积操作，你的图像就会缩小，角落边缘的像素，这个像素点只被一个输出所触碰或者使用 padding卷积：
图像pp 过滤器ff
解决方法：
1、输出减小：在卷积操作之前填充这幅图像，沿着图像边缘再填充一层像素，6×6的图像就被你填充成了一个8×8的图像，角落或图像边缘的信息发挥的作用较小的这一缺点就被削弱
Valid卷积意味着不填充p=0 Same卷积你的输出大小和输入大小是一样的
如果f是一个偶数，那么你只能使用一些不对称填充。只有f是奇数的情况下，Same卷积才会有自然的填充 卷积步长：步幅设置成了2，移动的步长（格数）是2 输出变为
如果商不是一个整数：我们向下取整。这是向下取整的符号，这也叫做对z进行地板除(floor)，这意味着向下取整到最近的整数。如果有任意一个蓝框移动到了外面，那你就不要进行相乘操作
在信号处理中或某些数学分支中，在卷积的定义包含翻转，使得卷积运算符拥有这个性质，深度神经网络来说它真的不重要，因此省略了这个双重镜像操作
