卷积神经网络基础 如图： 代码实现： X和K为输入项，X为数据，K为卷积核。 函数中间Y为结果。 意义：卷积是用于处理图像的，图像处理之后，是为了特征显化 多通道输入 因为是处理图像，图像每个像素都有RGB三个值，所以就需要多通道输入，对应的核可以相同，也可以不同，结果可以是一个，也可以是多个。 其目的在于：提取不同的特征 1×1卷积层 这个是用来减少通道的。让特征显化。 LeNet 说白了，就是卷积层（其中包含池化）和全连接层叠在一起。 其中,linear就是全连接，conv2d,p