有了前面三节的卷积基础 padding, stride, dilation 之后，大概就可以了解一个卷积算法的全貌了。
一个完整的卷积包含的输入和输出有：
-
输入图像，表示为[n, hi, wi, ci]
-
卷积核，表示为[co, kh, kw, ci]
-
输出特征图，表示为[n, ho, wo, co]
以上为卷积算法的两个输入 tensor 和一个输出 tensor，相关表述可以去卷积的基础公式复习。
那除了这三个 tensor 之外，还有计算卷积所需要的三个参数，分别为 padding, stride, dilation， 见前面三节的内容。
两个输入 tensor（输入图片和卷积核）和 一个输出tensor（输出特征图）以及三个参数（padding，stride，dilation）构成了一个完