前言：我們前面講用密集神經網路處理MNIST手寫圖片數字，第一步驟就是把28 * 28的二維降為一維陣列，還記得當初說每個像素值都被視為一個特徵，需要784個神經元去接收嗎？如果影像的像素質很大（以手機為例，Apple iPhone 14 主鏡頭就有1200萬像素了），神經網路計算量就會爆開，這時侯我們就需要派上卷積神經網路了（Convolutional Neural Networks，CNN）。

卷積神經網路

卷積神經網路會比較兩張圖片裡的各個局部，這些局部被稱為特徵（feature），而卷積層的主要任務就是負責做特徵擷取。

在卷積神經網絡（CNN）的捲積層中，卷積核（Convolutional Kernel）負責掃描和處理輸入圖像。這些卷積核又有人稱為:過濾器（Filter），用於特徵提取，它們透過滑動（卷積）輸入圖像，並計算局部區域的特徵。

卷積的計算：
假設我有張一4X4的像素圖，以及我想擷取特徵的2X2矩陣
白色像素格值為1，黑色像素格值為-1

要計算特徵和圖片局部的相符程度，需要將兩者（4X4的像素圖＆2X2矩陣）像素上的值相乘＝總和，然後總和/擷取特徵的像素的數量（2X2=4）

我們會發現，如果兩張圖的每個相素都相符，計算出來就會得到1，不管是白色白色（1X1）還是黑色黑色（-1X-1）；反之，如果兩者的像素完全相異，就會得到-1。

我們只要重複上述過程，就可以很簡單地歸納出圖片各種的特徵。我們可以根據每次卷積的值和位置，製作一個新的二維矩陣。利用特徵篩選過後的原圖，它可以告訴我們在原圖的哪些地方可以找到該特徵。值越接近 1 的局部就會和原圖越相符，值越接近 -1 則相差越大，至於值越接近 0 的局部，則幾乎沒有任何相似度。

依照上面的運算方式，發現每做一次卷積，出來後的特徵圖就會變小，做越多次就會越來越小，原本4X4的圖片跟2X2的矩陣做卷積出來後的圖變成3X3的，那到底怎麼運作出我們想要的樣子呢？我們明天繼續！