卷积 Convolution
卷积核也称为滤波器filter。滤波器大小为，其中
为深度，和输入feature map的channel数相同。每一层的filter数量和输出channel数相同。输入的每个channel和对应深度的卷结核进行卷积，然后加和，组成输出的一个channel。
卷积过程
对于filter ，
表示
个卷积核深度为
的位置在
行
列的参数。对于输入
和输出
表示
个channel的
行
列的值。则
如果考虑到步长，则
参考图像处理常见的卷积核。
1x1卷积
顾名思义，1x1卷积的卷结核大小为1x1，这样可以节省很多的参数，可以很方便得调整channel数量。1x1卷积可以增加channel维度的特征学习，但缺少feature map维度的特征学习。
1x1卷积
- 1x1卷积不改变feature map大小，只改变channel数，相比于3x3卷积，1x1计算量更小（算一下，小了多少？
）
- 1x1卷积可以增加非线性
3D卷积
3dconv
输入多了时序维度，卷结核相应的也增加了一个维度
反卷积/转置卷积 Transposed Convolutions/ deconvolution
两图流。
Transposed Convolutions
反卷积
- 对输入的图每个像素进行卷积操作
- 按照stride将上述得到的结果排列，如果重叠则进行加和
- 多个卷积核重复上述操作，得到新的feature map
空洞卷积/扩张卷积 Dilated Convolutions
Dilated Convolutions
多了一个扩张率，扩张率为1时就是普通卷积。
