卷積層（局部感受野——從全連接層的全圖計算某一個輸出響應到用局部計算某一個特徵輸出響應，可減小參數數量；權值共享——將相乘的參數複雜度降到了相加，利用特徵組合的方式，一個卷積核看一種特徵））

深入學習卷積神經網絡中卷積層和池化層的意義 爲什麼要使用卷積呢？ 　　在傳統的神經網絡中，比如多層感知機（MLP），其輸入通常是一個特徵向量，需要人工設計特徵，然後將這些特徵計算的值組成特徵向量，在過去幾十年的經驗來看，人工找到的特徵並不是怎麼好用，有時多了，有時少了，有時選擇的特徵根本就不起作用（真正起作用的特徵在浩瀚的未知裏面）。這就是爲什麼在過去卷積神經網絡一直被SVM等完虐的原因。 　　如

>>阅读原文<<