简短的回答：在计算卷积之后添加一次偏差。

长答案：您在 CNN 中看到的离散卷积是应用于图像小区域中的像素值的线性函数。然后，这个线性函数的输出会通过一些非线性（如 ReLU）受到干扰。对于一个地区$\mathbf{x}$大小的$i \times j$图像和卷积滤波器$\mathbf{k}$，并且没有偏置项，这个线性函数$f$将被定义为：

$$f(\mathbf{x}, \mathbf{k}) = \mathbf{x}*\mathbf{k} = \sum_{i,j} k_{i,j} x_{i,j}$$

没有偏置项，这个线性函数$f$必须经过原点。换句话说，如果$\mathbf{x}$或者$\mathbf{k}$都是零，的输出$f$也将为零。这可能是不可取的，所以我们添加了一个偏置项$b$. 这通过提供一个始终添加到卷积输出的值来赋予模型更大的灵活性，而不管$\mathbf{x}$和$\mathbf{k}$- 换句话说，它是截距值。

$$f(\mathbf{x}, \mathbf{k}, b) = b + (\mathbf{x}*\mathbf{k}) = b + \sum_{i,j} k_{i,j} x_{i,j}$$

如果将此值添加到卷积的每个条目中，则无法达到其目的$f$仍然必须经过原点。

根据此处的答案和此处的博客文章，在卷积层中使用偏差有两种变体。如果您对每个卷积滤波器/内核使用一个偏差，则为绑定偏差；如果您对每个内核和输出位置使用一个偏差，则为非绑定偏差。