来自知乎的原文
下面是自己的一些理解？
对于图像的操作可以写成矩阵的形式，作为滤波器
这些滤波器（filter）会对特定的模式有高的激活（识别特定的曲线或者其它的模式）
训练卷积神经网络的时候，我们实际上是在训练每一格卷积层一系列的滤波器
第二层的滤波器会将第一层的输出作为它的输出，来检测低阶特征的组合等情况
随着卷积层数的增加，组合的累计让神经网络能够检测的特征更加的复杂
这种方式与人类大脑的视觉信息处理模式相仿，都是由简单到复杂抽象

构建滤波器（训练）的方式是修改滤波器矩阵的值（权重Weight）,使其能识别特定的特征
修改依据是损失函数的输出，尽可能的让损失函数的值最小
使其变为一个最优化问题

WaveNet理解用相关资料
(卷积变种)[https://www.cnblogs.com/yangperasd/p/7071657.html]
(优化方法)[https://zhuanlan.zhihu.com/p/22252270]
(卷积训练公式推导)[https://zybuluo.com/hanbingtao/note/485480]