给定一个卷积核Kernel，将其覆盖在输入图像的矩阵中，将输入图像每一个单元格的数值和对应的卷积核数值相乘并相加，写入到output单元格中，给定步长依次滑动，填满output矩阵。使用padding防止边缘特征被忽略掉。

早在1998年，LeNet5中就奠定了基本结构，卷积、池化、卷积、池化、全连接、全连接、输出。卷积层用来提取图像的底层特征，池化层用来防止过拟合，并且将数据维度减小，全连接层用于汇总之前卷积层和池化层得到的特征和信息，最后进行输出(softMax/sigmod)

一个卷积层由许多内核组成。卷积层中存在的这些内核（有时称为卷积过滤器）学习图像中存在的局部特征（例如，人的眼睛看起来如何）。卷积层学习到的这种局部特征称为特征图。然后这些特征在图像上进行卷积。这种卷积操作将产生一个矩阵（有时称为激活图）。如果卷积滤波器中表示的特征存在于输入的该位置，则激活图会在给定位置产生高值。

池化层使 CNN 在卷积输出方面具有一点平移不变性（例如，如果眼睛在两张图像中出现轻微平移，则CNN 仍会将其识别为眼睛）。有两种不同的池化机制（最大池化和平均池化）。一般地，最大池化(max Pooling)称为池化，因为与平均池化相比，最大池化被广泛使用。更准确地说，池化操作(max Pooling)在给定位置输出输入的最大值，该最大值落在内核中。

池化的作用：

1. 减少参数量
2. 防止过拟合