卷积神经网络认图的第一步，是拿一个 3×3 的卷积核从左上角开始，一格一格扫过整张图： 每到一处，把盖住的 9 个像素和卷积核对应位置相乘再相加，得到的数填进右边的特征图。 换一个卷积核，就是换一种要找的东西：竖边、横边、模糊、锐化。
操作：点左边输入图的格子可以改像素（0 → 5 → 9 → 0），自己画一个图案；点特征图的任意一格，窗口会跳到对应位置。
每 2×2 的格子里只留最大的数，特征图缩成一半。步长为 1 时点「向右平移 1 格」：多数 2×2 格子里的最大值不变（讲解里会数给你看），这就是池化对小位移不敏感；再点「平移 2 格」就是另一回事：整张池化图跟着挪 1 格。
选「找竖边」，房子的墙和窗框在特征图上变成红蓝竖线，屋檐的横线几乎消失；换「找横边」正好反过来。 真实的卷积网络第一层有几十个这样的卷积核，而且每个卷积核里的 9 个数不是人定的，是训练出来的。 想看训练好的网络每一层真实的特征图，去看 B 展厅的「CNN 可视化讲解」。
本页图案与示例图均为程序绘制，不含第三方素材。
本页由 AI 教学改革实践研究计划独立编写（算法为公开知识），可自由嵌入、修改与再分发（CC BY-NC 4.0）。
AI 课程公益资源