• 卷積操作原理：
  • 特征向量與遍歷：假設已知特征向量（如藍天白云、綠油油草地特征），在輸入圖像的各個區域進行遍歷，通過計算內積判斷該區域是否有想要的特征。
  • 內積計算特征：內積為 0 表示兩個向量垂直，關系不好，無想要的特征；夾角越小，內積越大，代表區域中有想要的特征，可根據內積大小賦予不同特征值。
  • 特征圖生成：多個特征（如藍天白云和綠油油草地特征）分別與輸入圖像各區域算內積，得到的值組合成特征圖。
• 卷積核與權重：
  • 卷積核概念：卷積核也叫權重，不是人為確定，可隨機初始化，代表嘗試提取的特征。
  • 權重更新：通過反向傳播更新權重，依據當前特征預測結果與實際標簽的損失來調整特征提取。
• 卷積計算的參數：
  • 輸入數據：輸入圖像數據有長、寬和顏色通道（如 7×7×3）。
  • 卷積核參數：卷積核數值隨機初始化，大小（如 3×3、5×5 等）可自定義，通道數必須與輸入通道數相同。
  • 內積計算：對應位置相乘再求和，算完內積后加偏置得到特征值。
  • 步長與卷積核大小：步長越小，得到特征個數越多；卷積核通常用 3×3，較為高效、參數少且英偉達對其優化好。
  • 邊界填充：為使邊界特征利用更公平，在輸入數據周邊加 0 進行邊界填充。
• 卷積層特征變化：
  • 局部到全局：第一層卷