什么是单卷积层？
一张图片（输入）经过多个卷积核卷积就会得到一个输出，而这多个卷积核的组合就是一个单卷积层。
这些卷积核可能大小是不一样的，但是他们接收同样大小是输入，他们的输出必须是一般大小，所以不同的卷积核需要具备不同的步长和填充值。
单层卷积网络前向传播过程
单卷积层的前向传播和传统的神经网络是一样的。简单来看就是对于一张图片而言，卷积层中的不同卷积核先分别对图片进行卷积操作，比如下图中，图片x(6*6*3)分别经过卷积核1和卷积核2进行卷积操作，从而分别得到卷积结果，分别都是4*4*1的输出，最后增加偏差b，b是一个实数，通过 Python 的广播机制16 个元素都加上同一偏差b。然后把两个4*4*1的输出堆叠起来，最终构成一个4×4×2 的矩阵，其实在堆叠之前，往往会对两个4*4*1的输出使用激活函数进行非线性映射，从而增加泛化能力。
如果使用公式表达，那么整个过程如下：
z[1] = w[1]a[0] + b[1]，其中a[0] =x（输入图片x的局部&#
