数字图像处理中的卷积，比如滤波，是有翻转操作的，根据数学定义，有了翻转操作，才是完整意义的卷积，才满足卷积运算符的各种性质，比如，结合律。
但是，在机器学习中，若用卷积构建卷积神经网络，CNN，按照惯例，通常是不进行翻转操作的。因为经过实践证明，对于深度学习网络来说，翻转操作并不重要，没有翻转，神经网络也工作的很好，所以，为了简化操作，在深度学习中，卷积计算是不用翻转的。
在机器学习领域，大家仍然把这种不翻转的运算过程叫做卷积，但在数学家眼里，更喜欢叫做“互相关（correlation）”
有了这个概念后，在阅读深度学习文献、数字图像处理文献和数学定义时，就不会产生不一致的迷思了。
学完概念后，请继续《图像2维卷积计算(2D Conv)和池化计算(Pooling)实战》
P.S，在信号处理领域，翻转操作就很重要。
