卷积核也叫做感受野（receptive filed）
卷积核与局部图像的一次内积求和，是下一层图像的一个像素点。那个像素点只看到了之前图像的局部。
--------------------------------------------------------------------------------------------------------------------------------
由于有多个卷积核，下图中的5个蓝色的神经元有着相同的感受野，但是它们有着不同的作用。因为卷积核的参数不一样
--------------------------------------------------------------------------------------------------------------------------------
pooling layer就是一个下采样过程，是为了减小尺寸，减少权重参数的个数。
pooling不改变图像深度
pooling时，卷积核的stride需要使得卷积核没有对图像进行重复覆盖，即是对图像划分区域下采样。
2*2 的filter,stride=2,会使尺寸减半，很常用。
j卷积核权重参数就是一个templete（模板），最初的层的卷积核是边缘的模板，后面的层的卷积核是高阶特征的模板。
每一层都是利用着上一层提取到的特征。
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
https://cs.stanford.edu/people/karpathy/convnetjs/demo/cifar10.html
可查看conv net内部层和权重可视化的结果
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
发展趋势：
1 使用更小的卷积核和更深的网络
2 不使用pooling和全连接层
因为pooling能做到的，通过卷积核的stride>1也能做到。