卷积神经网络的核心当然是卷积。
在 CNN 的卷积层中，存在着一个个填充着数字的正方形小格子，它们被称为卷积核（Kernel）。原始图片经过输入层后会变为灰度或是 RGB 数值填充的矩阵，将卷积核与图片矩阵对齐，对应格子中的数字相乘后再相加，再将得到的数字填入新矩阵，这就是卷积。
卷积核以一定的距离在图像上移动运算，这被称为步长（Stride），得到的新矩阵能反映图像的部分特征，因此被称为特征图（Feature Map）。它们既是这一层的输出，也是下一层的输入。
设定不同的卷积核，我们就能找到各种各样特征。要如何设计它们？
还记得训练吗？对于 CNN 来说，训练就是让网络根据已有的数据和它们的标签，自动确定卷积核中的数字。以拥有 5 个卷积层的 AlexNet 为例，边缘、纹理、组成……以人眼的角度观察，越靠后的卷积层提取出的特征越抽象。
除了卷积层， CNN 还有另外两个重要配件：池化层（Pooling）和全连接层。
池化层能选取图像的主要特征。常用的 Maxpooling 是保留窗口覆盖区域的最大数值，矩阵被池化后，参数会大量减少。
全连接层通常在网络的最后，能将提取到的特征集合在一起，给出图片可能是某种事物的概率。
CNN 非常擅长处理图像，正是它在各类比赛中的优异表现引领了深度学习潮流。不仅如此，将声音当作图谱处理可以完成语音识别，将词语作为向量处理可以完成机器翻译。
总而言之，CNN 是个不可多得的好工具。