要回答卷積為何有效，恐怕大家都要去看看這篇論文《Visualizing and Understanding Convolutional Networks》，它将每個卷積層的輸出反卷積然後展示出來，讓我們知道每一層的卷積到底是學習到了什麼特征。
這是這篇論文的翻譯。然後，我去知乎搜了一下關于卷積網絡的了解，
這是連結，看第一名的答案即可。
寫在前面的一點，濾波器就是權重。而我們以前全連接配接網絡的權重是隐層的結點(m)和上一層的結點(n)組成的矩陣(m
n)，這就是不同。
簡單來說，訓練CNN在相當意義上是在訓練每一個卷積層的濾波器。讓這些濾波器對特定的模式有高的激活，以達到CNN網絡的分類或檢測等目的。
卷積神經網絡的第一個卷積層的濾波器用來檢測低階特征，比如邊、角、曲線等。随着卷積層的增加，對應濾波器檢測的特征就更加複雜。比如第二個卷積層的輸入實際上是第一層的輸出，這一層的濾波器是用來接觸低階特征的組合等情況（半圓、四邊形）等，如此累積，以檢測越來越複雜的特征。
是以，在某種意義上，建構卷積神經網絡的任務在于建構這些濾波器。也就是，将這些濾波器變成這樣（改變濾波器矩陣的值，也就是Weight）---- 能識别特定的特征。這個過程叫做訓練。
在訓練開始之時，卷積層的濾波器完全是随機的，他們不會有任何特征激活。把一個空白的濾波器，修改其權重（weights）使他能檢測特定的模式，整個過程就像工程的回報機制。