先简单总结一波：

1.卷积就是输入与卷积核内积，得到特征图

2.反卷积就是恢复输入

3.池化的作用就是降维

4.反池化的作用类似于恢复
（不对的地方感谢请多多指正。）

新一、卷积：CNN中卷积就是输入input和卷积核kenel的内积操作，计算方式如图：

内积后得到的是特征图。

如果有多个通道或者多个卷积核，那么计算如下图： 

二，反卷积

反卷积是特殊的卷积，可以将输入还原。

具体来说，若卷积核是C，输入是X，卷积得到的特征图就是Y，那么CX=Y

反卷积操作就是，Y左乘X转置，c T y = x 

三、池化

池化的作用就是降维。

分为最大池化，平均池化，随机池化。

最大池化是对局部的值取最大；平均池化是对局部的值取平均；随机池化是根据概率对局部的值进行采样，采样结果便是池化结果。

四、反池化