1输入特征图
—在网格上按住拖动即可涂画；薄荷色方框是当前卷积核的感受野。
2卷积输出
—暖色代表正响应，冷色代表负响应；颜色按当前输出最大值对称归一。
3池化输出
—池化在高响应位置保留最强（或平均）值，尺寸随之缩小。
逐点计算
输出 (0, 0)感受野（输入 3 × 3）
卷积核权重
逐元素乘积
输入灰度 01
负响应正响应
所有卷积核的输出对比
点击可切换当前核这些数字是怎么算出来的？
卷积就是让一个 3 × 3 的小窗口（卷积核）在输入图上从左到右、从上到下滑动。每停一处，把窗口覆盖的 9 个像素值与卷积核对应的 9 个权重逐元素相乘，再全部相加、加上偏置，最后过一个激活函数，就得到输出特征图上的一个数。
输出尺寸由 (S + 2P − K) / stride + 1 决定：S 是输入边长，P 是四周补零的圈数（padding），K 是卷积核边长（这里固定 3）。padding 让边缘像素也能被窗口完整覆盖，stride 越大输出越小。
激活函数决定什么样的响应会被留下：ReLU 把负值压成 0，只保留正向响应；Sigmoid 把结果挤进 0 到 1；Tanh 挤进 −1 到 1。池化层则在一个小窗口里取最大值或平均值，用更小的矩阵保住最强的响应位置。
把卷积核切到「边缘检测」，再换几个输入图案：同一张图，不同卷积核抽出的特征完全不同——这正是 CNN 用多个卷积核并行提取多种特征的原因。