二维卷积层
二维卷积层的核心计算是二维互相关运算
在最简单的形式下，它对二维输入数据和卷积核做互相关运算然后加上偏差
我们可以设计卷积核来检测图像中的边缘
我们可以通过数据来学习卷积核
填充和步幅
填充可以增加输出的高和宽
这常用来使输出与输入具有相同的高和宽。 步幅可以减小输出的高和宽，例如输出的高和宽仅为输入的高和宽的1/n1/n（nn为大于1的整数）
多输入通道和多输出通道
使用多通道可以拓展卷积层的模型参数
假设将通道维当作特征维，将高和宽维度上的元素当成数据样本，那么1×1卷积层的作用与全连接层等价
1×1卷积层通常用来调整网络层之间的通道数，并控制模型复杂度
池化层
最大池化和平均池化分别取池化窗口中输入元素的最大值和平均值作为输出
池化层的一个主要作用是缓解卷积层对位置的过度敏感性
可以指定池化层的填充和步幅
池化层的输出通道数跟输入通道数相同
