一、为什么需要卷积
若参数过多，则内存装不下
比如图像大小1000*1000，那么输入层神经元的数目就是10的6次方，全连接层的参数就是10的12次方，一层就是1万亿个参数。
二、卷积是怎么做的
把卷积核的每一个参数和图像中的位置进行相乘再求和得到输出。
图像具有区域性，这个连接就叫局部连接，这也是卷积的特点和优势，经过一层卷积之后提取了图像的高层特征。同时卷积时有参数共享的特性，图片具有位置不变性，比如汽车翻车照样可以识别，图像特征与位置无关，左边是脸右边也是脸。
步长变大，输出变小。
如果使用了padding，在最外面一圈加0，那么假设步长为1，那么输出的size不变。加几圈的padding和卷积核大小有关，如果是5*5那么就要加两圈：
