卷积层的想法是我们需要将相同的权重应用于输入的不同区域。它使您可以识别在输入的不同区域中出现的相同模式。您可以将每个窗口执行的每个卷积操作视为单个神经元，该神经元仅通过非线性变换来变换局部区域。这些所谓的局部神经元完成的线性和非线性操作有助于卷积层学习非线性和复杂的特征。此操作的另一个方面是它显着减少了权重的数量。最终的解释是，如果您不使用非线性激活，您将从输入中提取线性局部特征。这些线性特征可以用更少的参数轻松找到。