卷积神经网络  https://blog.csdn.net/stdcoutzyx/article/details/41596663    (忽略其中标注的小错误,多卷积核中的4个通道不是原始图片的红黄绿三通道,而是前面经过卷积后形成的4通道)

如何理解权值共享   https://www.zhihu.com/question/47158818    (可以权值共享是因为片的底层特征是与特征在图片中的位置无关的)

如何理解卷积核  http://www.360doc.com/content/21/0703/22/277688_984999494.shtml   (一个卷积核相当于一个过滤器,就是一个特征提取器,为了能提取多个特征,一个网络有多个卷积核,卷积核可人为定义来提取垂直轮廓或水平轮廓,但神经网络是通过训练得到的卷积核)

(  该图的解释见  )

此图中s2是经过单通道图经过6个卷积核形成的6幅特征图,在池化形成的6通道图,之所以经过c3的 16卷积核后还是16个特征图,而不是6*16个特征图,是因c3的16个卷积核,每个卷积核将s2的6幅图分别卷积后得到的结果相加,再取激活值得到16幅图中的其中一幅图上的一个像素点.

该网络的pytorch实现见  https://blog.csdn.net/weixin_41070748/article/details/89890330?spm=1001.2014.3001.5502