本作品内容为卷积层是CNN的核心层，也是CNN命名的来源，该层的主要作用是提取输入图像的不 同特征，因此，卷积层又被称为特征提取层。经过卷积层提取的特征随着层数的增加越来越 抽象。在卷积层中有若干个神经元被称为是卷积核（也称为滤波器或者特征提取器），通常一 个卷积核代表学习输入图像的一个特征，卷积核的个数代表深度（depth）。对于一副给定的 图像，给定一个卷积核，卷积操作就是按一定的步长在图像上滑动卷积核，进行像素加权求 和。这里的步长指的是卷积核在图像上每次向右移动的距离。通过卷积操作之后会得到特征 映射， 格式为 docx， 大小1 MB， 页数为1， 请使用软件Word(2010)打开， 作品中主体文字及图片可替换修改，文字修改可直接点击文本框进行编辑，图片更改可选中图片后单击鼠标右键选择更换图片，也可根据自身需求增加和删除作品中的内容， 源文件无水印， 欢迎使用熊猫办公。 如认为平台内容涉嫌侵权，可通过邮件：tousu@tukuppt.com提出书面通知，我们将及时处理。