初始卷积层 conv1

"初始卷积层 (conv1)"通常是指深度学习模型中的第一个卷积层，它经常用于图像识别任务。在卷积神经网络（CNN）架构中，它通常是网络的第一层，目的是从输入图像中提取基本特征。

以经典的卷积神经网络如AlexNet为例[^4]，其第一层conv1可能包括多个小的滤波器（也称为卷积核或特征检测器），每个滤波器会应用一个小窗口（比如3x3或5x5）在输入图像上进行滑动并执行点乘操作，然后通过激活函数（如ReLU）来增强非线性表达能力。这个过程有助于捕捉图像的局部纹理信息，为后续层提供更加丰富的特征表示。

# 假设我们有一个简单的AlexNet-like模型示例
from keras.layers import Conv2D

# 初始化一个包含32个3x3滤波器的卷积层
conv1_layer = Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3))

在这个例子中，`32`代表有32个滤波器，`(3, 3)`指定了滤波器的大小。注意，`input_shape`参数定义了输入图像的尺寸。