本文重点

我们前面从直观角度理解了卷积神经网络的卷积在特征提取的作用，本节课程我们从数学角度来看一下，卷积是如何计算的？

计算步骤

1. 将卷积核与输入图像的某一部分进行逐元素相乘。

2. 将相乘后的结果求和，得到卷积核在该部分的输出值。

3. 重复以上步骤，将卷积核在输入图像上滑动，计算出每个位置的输出值。

4. 将所有输出值组成一个新的矩阵，即为卷积后的输出图像。

例如，假设输入图像为3x3的矩阵：

1 2 3

4 5 6

7 8 9

卷积核为2x2的矩阵：

a b

c d

则卷积核在输入图像上滑动的计算过程如下所示：

1*a + 2*b + 4*c + 5*d = 输出值1

2*a + 3*b + 5*c + 6*d = 输出值2

4*a + 5*b + 7*c + 8*d = 输出值3

5*a + 6*b + 8*c + 9*d = 输出值4

将这四个输出值组成一个2x2的矩阵，即为卷积后的输出图像。

实例

现在有一