CNN的卷积层
这就涉及到CNNs要做的工作了。每一个卷积核中的数值，都是算法自己学习来的，不需要我们费心去设置。
【CNN的特征提取部分和FC部分一样，也是需要训练的。训练学得Fliter的具体值，然后学得图像特征
相当于Fliter是W，图片是X，最终提取得到的特征是Y 输入进FC里（全连接层）
训练过程中，W不断学习得到最佳Fliter
（Filter其实就是权值！每个像素的权值！二维的
所以在最开始的FIlter时候其实就是权值初始化的问题,后面算法自己会学到）
】
我们需要做的是设置超参数（学习超参数）
所谓的卷积层conv就是一堆卷积核，卷积层的参数就是卷积核的参数
CONV->ACTIVATE->POOL-> XXXXXXXX ->FC
多通道卷积——理解卷积层的工作原理
非常重要
输出的层数必为卷积核的层数，以卷积核的视角来做卷积，一个卷积核生成一个卷积层！
**
同一个卷积核对所有通道做卷积然后进行求和得到该卷积核对应的卷积层
