参考链接：https://www.jianshu.com/p/362b637e2242
参考链接：https://blog.csdn.net/dcrmg/article/details/81255498/
参考链接：https://zhuanlan.zhihu.com/p/59917842
参考链接：https://www.jb51.net/article/171016.htm
一、卷积与特征图
一个简单的深度网络模型，主要是：
input -> conv -> feature_map -> maxpooling -> flatten -> fully connected -> output
CNN：卷积层、池化层、连接层
1. 卷积层
卷积层由一组卷积单元（又称"卷积核"）组成，可以把这些卷积单元理解为过滤器，每个过滤器都会提取一种特定的特征。 输入图像是32*32*3，3是它的深度（即R、G、B三色通道），卷积层是一个5*5*3的filter，这里注意：filter的深度必须和输入图像的深度相同。通过一个filter与输入图像的卷积可以得到一个28*28*1的特征图，如果用了两个filter得到了两个特征图。
举个例子，input、filter、outpu