之前我们提到，神经网络是通过全连接层对输入做降维处理，将输入的向量通过矩阵和激活函数进行降维，在神经元上输出激活值。而卷积神经网络中，用卷积层代替了全连接层。
不同的是，这里的输入不再需要降维，而是可以保留输入的空间结构，例如输入的是32×32×3的图片，在全连接层中是3072×1的向量，而卷积层里则保持不变。这里的改变的地方是对于同样的WX的函数形式，这里是把5×5×3的权重矩阵（也叫卷积核）向量化了，从而做的是向量点积运算（可以看到权重矩阵的写法与图片的数据量写法类似，这是为了更好地理解为什么选择这个数量，可以把输入和权重矩阵看成是放缩的一个过程，权重矩阵由于空间结构类似，相当于是保留了图片原有的一部分性质，在数学角度上是因为向量的点积与两个向量的夹角有关，夹角越小，向量越相似，这也与卷积层的初衷相符，是为了尽可能地保留输入的信息不缺失）。
而在卷积层中，卷积核会遍历输入的每一个数据量（假如卷积网络的层数只有一层，边缘的数据点相比其他区域，只会被遍历一次，一般会用pading或增加权重的方式来使其不那么特殊），每次滑动都输出一个点积，输出的数据大小一般是输入减去卷积核除以步长再加1（之所以要加1，是因为单纯的减法会漏掉矩阵的第一列或最后一列，而步长的选择我们一般会选择除得尽的，不然会导致有部分边缘数据被忽略，当然硬要计算也可以，习惯上是对结果向下取整）。
在例子中，一个卷积核的激活衍射是28×28×1，假如我们有六个卷积核，输出的就是28×28×6。这里的每一层激活衍射，对应的就是我们平时所提到的提取出来的每一个特征，不同的卷积核会提取出不同的特征，且我们可以在这些激活衍射之后再设置一些函数来卷化，生成一些不一样的特征供模型学习（本质上还是卷积核在学习，然后输出值给模型应用）。一般来说。越往后排的衍射值，对应的是更高级的特征。比如假如输入的是一张小狗的照片，那么一开始的可能是颜色的特征，中间的是小狗身上的斑点，后面的是小狗的神态。
学习来自斯坦福教程：Stanford University CS231n: Deep Learning for Computer Vision