1、卷积核就相当于数字图像处理中的滤波算子。（什么是卷积）
例如：
输入图像：由三个矩阵构成——RGB三通道，其中每个元素都是0-255之间的一个整数。
卷积核：一个矩阵。
输出图像：一个矩阵构成，在深度学习中称作特征图。对于每个颜色通道都有一个特征图。
假设输入图像为7×7×3（长×宽×通道数），卷积核大小为3×3×3（长×宽×通道数），那我们就要在图像中取出3×3×3大小的区块。具体的卷积过程如下：
（下图中输入图像为RGB三通道图像，两个卷积核（w0和w1））
（原图为动图https://segmentfault.com/q/1010000016667038）
其中，Bias为偏差。
2、卷积层的输入可以是一张或者多张图片，而图片也可以是单通道（例如：灰度图）或者多通道（例如：RGB图像），但不管输入是什么，经过卷积层后，输出的特征图都是单通道的（特征图个数由卷积核的个数确定）。【注】输出的特征图个数与输入图像的个数、输入图像的通道数均无关。