卷积传播图解
先来看得到卷积的过程
(单个元素的梯度计算)不考虑前后的层，比如我们已经得到了Delta 的梯度矩阵，可以观察下图如何得到在原矩阵中 x 2 , 2 x_{2,2} x2,2?的梯度值 。
(推广到全部元素) 这里就是对Delta d做了一个之后然后反向做了卷积 。
不同视角看CNN
这部分图来自：
比如有原始数据矩阵：
得到的 ：
卷积计算的视角
等式计算角度
网络角度
矩阵乘法角度
Dense神经网络角度
在这个角度下我们可以更好地理解传统神经网络和CNN之间的联系，其中左图是传统神经网络，右图数Dense神经网络视角下的CNN 。灰度连接对应于不可训练的0.
参考

• 刚插上网线，电脑怎么知道自己的IP?
• 秦始皇为什么要修筑万里长城？的目的是什么？
• 揭秘慈禧谥号的标准为何跟皇帝的一样？
• 久居深宫的妃嫔们多数病弱后宫生活竟全靠吃药
• 秘闻＂酸梅汤＂是朱元璋发明的？
• 皇帝一天都是怎么过的？揭秘清朝皇帝的日常
• 营妓薛涛的爱情:与元稹的姐弟恋不过最早的备胎
• 此人是最被低估的谋士诸葛亮加荀彧都不如他
• 史上对和尚近女色处罚最为严厉的是哪朝？
• 上古战神蚩尤的武器是什么？他的儿子是谁？