这一节介绍一个概念，什么是卷积的 Feature Map？
Feature Map, 中文称为特征图，卷积的 Feature Map 指的是在卷积神经网络（CNN）中，通过卷积这一操作从输入图像中提取的特征图。
上一节用示意动图介绍了卷积算法是如何完成的。大致的过程就是，卷积通过卷积核在输入数据(一般是图像或者上一层的输出）上进行扫描，该卷积核与输入数据进行逐元素相乘，并将结果相加然后生成输出的过程，这个输出就是 Feature Map
说白了，Feature Map 就是卷积算法的输出结果，因为卷积算法本身就是用来提取图像中的特征的，卷积的输出也就自然而然的被称为 Feature Map(特征图)。
Feature Map 描述了输入数据中不同位置的不同特征是否被激活。不同的卷积核都可以学习并提取不同的特征，例如边缘、纹理、颜色等。而且，一个卷积层通常包含多个卷积核，而每个卷积核对图像操作都会生成一个 Feature Ma
Feature Map 在卷积神经网络中非常重要，它包含了输入数据中的抽象特征，这些特征是神经网络在训练过程中学习到的，可以帮助神经网络理解并区分图像中的不同的模式，特征图经过一层一层的卷积的传递，就可以使神经网络逐渐学到更高层次的抽象表示。
下图是著名的论文《Visualizing and Understanding Convolutional Networks》中的截图，文中通过反卷积这一算法，利用可视化的方法展示了卷积神经网络在训练过程中每一层的特征图，也就是神经网络在某一层的卷积算法中，卷积核到底在关注到什么特征？
可以看到在Layer3 中，卷积关注的很多是形状特征，比如右下角部分已经可以隐约看到人体的形状了。
