卷积层的卷积核是用来提取特征的，多个卷积核是用来提取多种特征的。 图片中有左边是一个77的图像，右边三个33的卷积核，分别提取对应的特征。
1.图像通道数：若图像为三通道，那么指的是RGB三通道；也有单通道，如灰度图。 2.卷积操作完成的输出的通道数，也就是卷积核的个数。
通道数也就是feature map数 每层的feature map个数，为上一层卷积核的个数。
在filter w0中，333，前边的3*3代表卷积核的大小，后边的3代表卷积的个数。
激活函数给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数，从而解决线性所不能解决的问题。
感受野用来表示网络内部的不同神经元对原图像的感受范围的大小，或者说，卷积层每一层输出的特征图上的像素点在原始图像上映射的区域大小。
神经元之所以无法对原始图像的所有信息进行感知，是因为在这些网络结构中普遍使用卷积层和pooling层，在层与层之间均为局部连接。
神经元感受野的值越大表示其能接触到的原始范围越大，也就意味着它可能蕴含更为全局语义更高的特征，反之，蕴含着更为局部和细节的特征。
具体的降维指的是参数的减小，请看下图
通过减去数据对应维度的统计平均值来消除公共部分以突显个体之间的差异和特征，对特征提取的主要特征点有重要性。
作者：GL3_24 来源： 著作权归作者所有。转载请联系作者获得授权。
