把卷积神经网络看做普通神经网络

当卷积为1x1时，图片为1x1像素时。就可以认为卷积神经网络，就是普通神经网络

图片数n就是样本数

假设图片n*1*1*3通道数为3（RGB）

那么通道数3就是特征数。

第一层卷积 1x1x3xm

m就是神经元数，3就是每个神经元内针对图片特征的权重。

所以当图片为w*h*b试卷积为k*k时，可以理解为在卷积神经网络，一张w*h的图片w,h,b，所有像素点的参数都属于样本类，一张b个通道的图相当于b个特征的样本，每个通道特征上有w*h的样本的样本包。

如果下一层m个卷积通道，那么每个卷积内会有与图片通道数b对应的b个卷积  ，这层卷积相当于m个神经元，每个神经元里b个权重包，每个权重包里k*k个权重。结构k,k,b,m,权重数k*k*b*m

而如果展开图片按全链接对应普通神经网络。就是一个像素点一个特征对应一个权重。图片一共w*h*b个像素点特征,下一层如果m个神经元，每个神经元内就是w*h*b 个卷积。

权重是需要训练的参数（还有偏移）