卷积神经网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间精确的数学表达式，只要用已知的模式对卷积神经网络加以训练，网络就具有输入、输出之间映射的能力。
其训练算法与传统的BP算法类似，主要分4步，可分为2个阶段：
第一阶段，前向传播阶段：
（1）从样本集中取一个样本，将样本输入网络；
（2）计算相应的实际输出。
在此阶段，信息从输入层经过逐级的变换，传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。
第二阶段，后向传播阶段：
（3）计算实际输出与相应的理想输出之间的误差；
（4）计算每个权重的梯度，再用梯度下降算法更新权重。
------------------------------------------------------------------------------------------------------------------------------------------------------------------------