理解神经网络的卷积，我都是看这个视频的！
https://www.bilibili.com/video/BV1VV411478Efrom=search&seid=11092162233879720879&spm_id_from=333.337.0.0
数学公式
这里有两个函数
f(x)表示在进食量的一个函数
g(x)吃进去的食物过了一段时间，还残存的量
- 对于参数的理解，为什么是f(x) 与 g(t - x)，其实看两个函数的意思也能理解。t时刻吃进去的，可是t时刻吃进去的食物其实并没有经过消化。
卷就是卷在这里，把函数进行反转，就能看到这个线是一一对应的。
图像可以类比于之前分f，而卷积核可以被类比于g。
之前的食物的例子我们可以理解为，t-x时刻发生的事情对于t时刻状态的影响。在这里，我们可以理解为周围像素对于中间这个像素点的影响。当然不会这么简单。
如果换一个卷积核呢？
从这里我们就能看出来，一个是对于纵向的特征的提取，一个是对于横向的特征的提取。所以在这里，卷积的用处就变化了，他变成了一个特征的提取器！！
