卷積層是卷積神經網路(CNN)中的一個核心組成部分，其主要功能是提取輸入數據（如圖像）的特徵。
卷積層包含多個卷積核，每個卷積核都能提取輸入數據中的不同特徵，例如邊緣、斑點、紋理等。這些卷積核在輸入數據上以滑動視窗的形式進行掃描，通常以固定大小的步長移動，進行局部的加權求和操作。卷積層中的每個卷積核都對應一組可學習的權重係數和一個偏差量(bias)，這些參數通過反向傳播算法在訓練過程中得到最佳化。隨著網路深度的增加，卷積層能夠從低級特徵（如邊緣和線條）逐漸提取更複雜的特徵。
卷積層是卷積神經網路(CNN)中的一個核心組成部分，其主要功能是提取輸入數據（如圖像）的特徵。
卷積層包含多個卷積核，每個卷積核都能提取輸入數據中的不同特徵，例如邊緣、斑點、紋理等。這些卷積核在輸入數據上以滑動視窗的形式進行掃描，通常以固定大小的步長移動，進行局部的加權求和操作。卷積層中的每個卷積核都對應一組可學習的權重係數和一個偏差量(bias)，這些參數通過反向傳播算法在訓練過程中得到最佳化。隨著網路深度的增加，卷積層能夠從低級特徵（如邊緣和線條）逐漸提取更複雜的特徵。