- 卷积操作原理：
- 特征向量与遍历：假设已知特征向量（如蓝天白云、绿油油草地特征），在输入图像的各个区域进行遍历，通过计算内积判断该区域是否有想要的特征。
- 内积计算特征：内积为 0 表示两个向量垂直，关系不好，无想要的特征；夹角越小，内积越大，代表区域中有想要的特征，可根据内积大小赋予不同特征值。
- 特征图生成：多个特征（如蓝天白云和绿油油草地特征）分别与输入图像各区域算内积，得到的值组合成特征图。
- 卷积核与权重：
- 卷积核概念：卷积核也叫权重，不是人为确定，可随机初始化，代表尝试提取的特征。
- 权重更新：通过反向传播更新权重，依据当前特征预测结果与实际标签的损失来调整特征提取。
- 卷积计算的参数：
- 输入数据：输入图像数据有长、宽和颜色通道（如 7×7×3）。
- 卷积核参数：卷积核数值随机初始化，大小（如 3×3、5×5 等）可自定义，通道数必须与输入通道数相同。
- 内积计算：对应位置相乘再求和，算完内积后加偏置得到特征值。
- 步长与卷积核大小：步长越小，得到特征个数越多；卷积核通常用 3×3，较为高效、参数少且英伟达对其优化好。
- 边界填充：为使边界特征利用更公平，在输入数据周边加 0 进行边界填充。
- 卷积层特征变化：
