记录一些之前学习中理解不透彻或者有偏差的知识
首先，对于卷积核（或称为卷积过滤器）的大小，一个卷积核的通道数与它进行卷积的输入必须是相同。
例如：32*32*3的图像的卷积核通道数必须是3,如5*5*3。
在这个卷积核中卷积层数的参数3与输入的通道数3是相同的（对于三个通道的输入而言）。
其次，对于卷积运算，一个卷积核经过计算得到的一定是一个映射，一个数字。
接着，对于卷积核的深度，就是有几个卷积核。下图中就是有五个卷积核，即卷积核的深度是5。
我们在处理一个卷积层时，我们希望用到多种卷积核，因为每一个卷积核都可以从输入中得到一种特殊的模式或概念。所以我们会有一组卷积核。即卷积核与卷积核中的参数是不同的。
在上图中，32*32*3的图像经过5*5*3*5的卷积核得到28*28*5。
卷积的二维上的计算
（原始边长-核边长+2*padding）/步长+1
有填充的情况下，输出与原大小相同。
参考：
斯坦福大学CS231N课程PPT
