記錄一下filter，也就是用來提取要識別object邊緣信息的過濾器的一些規律以及經驗：
首先， 大部分卷積神經網絡濾波器都會采用逐層遞增（1⇒ 3 ⇒ 5 ⇒ 7）的方式。其次，每經過一次池化層，卷積層過濾器的深度都會乘以 2。
提一個知識點，也就是權值共享，每當filter掃過feature map的時候，掃出來的矩陣的參數，在同一個卷積核kenal中， 實現參數共享，參數共享的好處是可以減輕過擬合，和降低計算量。
2018/10/12繼續總結：
卷積核的大小，往往根據需要訓練樣本的形狀，在整個圖片中所占的位置比重，來進行調整，非常看好可變形卷積的發展。