本文总结了卷积神经网络(CNN)的基本原理和完整前向流程。CNN通过局部感受野和参数共享高效提取图像特征，主要包含卷积(提取局部模式)、激活(引入非线性)、池化(下采样保留显著特征)、展平(转为向量)和全连接层(综合特征分类)等模块。文章详细解释了卷积核运算、padding防止边缘信息丢失、多卷积核生成特征体、ReLU激活函数、最大池化等核心概念，并推荐使用CNN Explainer工具进行交互式