深度学习（五）卷积过程的理解
卷积过程贯穿于整个神经网络，尤为重要
卷积核是矩阵，是对输入矩阵的线性变换（旋转、缩放、剪切），输出feature map
举例：335的卷积核，转换成矩阵527 输入图片3100100 转换矩阵2710000,输出feature map 5*10000
从例子出来，我们发现，我们需要对卷积核与输入图片进行一维展开，卷积核H = 卷积核数量（5）、卷积核W = 卷积核尺寸输入图片维度(333)、输入图片H = 卷积核W、输入图片W = 输入图片尺寸(100100)——————输出图片H = 卷积核H、输出图片W = 输入图片W
问题：1、输入图片在转换成矩阵过程中，每行的数据是否一样
2、卷积核每列的数据又是什么，每行的数据是否一样
难点在于对卷积核及输入矩阵的构造，以后明白了再更新