神经网络在目前各种nlp与cv的场景都有广泛的应用。那么，Tensor流经过各个layer的机理是什么？
一.CNN
cnn引入有两个需要注意的概念,一是滑动窗口的机制,另一个是多个过滤器（滑动窗口）的概念。假设滑动窗口的长和宽是mxn，filter的个数是k.在每个滑动窗口的作用域就是mxn的矩阵覆盖到的区域
作用域中的运算方式就是卷积。卷积的物理意义,相当于两段波逐元素相乘激起的共同的漩涡，如果矩阵中有零元素，则可以过滤掉对应位置上的元素。
因此，每个滑动窗口矩阵可以叫作滤波器，也是取了卷积的物理意义。
最后，cnn的计算公式可以表示为：
二．全连接
cnn理解之后全连接层就比校简单了。全连接只有一个变量Tensor，weight矩阵与input矩阵相乘可得Output矩阵加个偏置就可以得到。其几何意义可以解释为:
将input矩阵看作空间中的向量，矩阵相乘相当于对该向量作基于weight矩阵的坐标系变换。
前向机制说明比较清楚的，是Notes on convolutional Networks这篇文章，感兴趣的同学可以下载阅读。
