卷积：

就是有一个卷积核，还有一个x*x的图片，卷积核大小是y*y的话，对图像做卷积就是将图片中和卷积核大小一样的部分进行运算，也就是相乘求和，有点类似算法中的滑动窗口，只不过这里是二维滑动窗口，比如说

[1,1,1,0,0

0,1,1,1,0

0,0,1,1,1

0,0,1,1,1

0,0,1,1,0

0,1,1,0,0]一个5*5的，卷积核是[[1,0,1],[0,1,1],[1,0,1]]，那么如果对A33做卷积，那么就是对应位置相乘然后求和，也就是4，然后卷积后的大小等于(x-y/步长s)+1，所以写代码的时候经常会看到stride步长参数，但是这样也能看出卷积后大小会急速缩小，所以有时候为了让卷积后大小和输入一样，会在周围加上填充0，可以理解为补上n圈的0，代码中参数叫padding，padding=1就是补一圈，这样图片变成7*7，卷积后还是5*5（步长通常为1的情况下）

代码中常看见Conv2d，这就是卷积层，里面参数像filter是通道数，kernel_size就是卷积核大小，strides步长，padding填充，卷积过程也可以看出可以提取并增强特征

池化：

和卷积类似，也会给一个池化核，不过不像卷积核那样有个值，是个空的，运行过程和卷积一样，也是依次移动。池化规则又最大值池化，平均值池化等，所以代码中常常见到Maxpooling2d，里面参数也有pool_size，strides，padding，池化也可以降维提取特征

卷积池化在图片识别中很重要，主要是这三个特性，平移、旋转、尺度不变性，也就是说，不管特征怎么平移，旋转或者放缩，最后都能把特征提取出来。比如mnist识别，数字是站着还是躺着都能识别

相比于都用全连接层，比如MLP；CNN模型有俩特点，局部连接和权重共享，啥意思呢，这里没太懂，个人理解就是每次运算因为卷积核覆盖部分很多都是一样的，所以可以节省很多算力资源，

看个训练mnist的cnn模型代码

class Net(torch.nn.Module):def __init__(self):super(Net, self).__init__()#两个卷积层self.conv1 = torch.nn.Conv2d(1, 10, kernel_size=5)  #1为in_channels 10为out_channelsself.conv2 = torch.nn.Conv2d(10, 20, kernel_size=5)#池化层self.pooling = torch.nn.MaxPool2d(2)  #2为分组大小2*2#全连接层 320 = 20 * 4 * 4self.fc = torch.nn.Linear(320, 10)def forward(self, x):batch_size = x.size(0)x = F.relu(self.pooling(self.conv1(x)))x = F.relu(self.pooling(self.conv2(x)))x = x.view(batch_size, -1)  #将数据展开，为输入全连接层做准备x = self.fc(x)return x

conv1就是输入通道为1，输出10通道，这里10通道数代表输出十张特征图，卷积核5*5，然后池化后经过激活函数（也可以先relu后池化，能更好实现非线性特征学习，然后再池化减少尺寸），两层conv后经过个全连接层得出结果，这里320个神经元的由来：第一层卷积把28*28，变成（28-5）/1+1=24，然后池化层变成（24-2）/2+1=12层，然后第二层卷积（12-5）/1+1=8层，然后第二次池化（8-2）/2+1=4层，由于最后输出通道数有20，所以一共就是4*4的有20张，总特征数就是4*4*20=320，注意relu或sigmod这种激活函数层不会改变图片大小