Scalar、Vector、Marix、Tensor，点线面体一个都不少。参考 机器学习中的函数 - 全连接限制发展，卷积网络闪亮登场 卷积神经网络作为是实现深度学习的重要方法之一，整个网络第一步就是应用卷积进行特征提取，通过几轮反复后获得优质数据，达成改善数据品质的目标，我们一起复习一下卷积层工作的这两个关键步骤。
作者 | 王灏整理 | 维克多人工智能（AI）的进展显示，通过构建多层的深度网络，利用大量数据进行学习，可以获得性能的显著提升。但这些进展基本上是发生在感知任务中，对于认知任务，需要扩展传统的AI范式。
深度学习中，我们一直在训练模型，通过反向传播求导更新模型的权重，最终得到一个泛化能力比较强的模型。不过执行模型操作的算子会变化，可能从Pytorch->TensorRT或者TensorFlow->TFLITE，也就是实现算子的方式变了，同一个卷积操作，在Pytorch框架中是一种实现，在TensorRT又是另一种时间，两者的基本原理是一样的，但是精度和速度不一样，TensorRT可以借助Pytorch训练好的卷积的权重，实现与Pytorch中一样的操作，不过可能更快些。
