5x5 RGB 图像卷积计算示例：步长为 1，无填充

假设 I 是一个 5x5 的 RGB 图像，可以用如下三个 5x5 的矩阵来表示：

I = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25]]

其中每个元素表示对应像素的 RGB 值。

K 是一个 3x3 的卷积核，所有权重都等于 -1：

K = [[-1, -1, -1], [-1, -1, -1], [-1, -1, -1]]

b 是偏置，等于 1。

现在根据以上要求，计算 I 与 K 和 b 的卷积。步长（stride）为 1，没有应用填充（padding）。

首先将卷积核 K 应用于 I 的第一个 3x3 的子图像，计算对应元素的乘积和并加上偏置 b：

[[1, 2, 3], [6, 7, 8], [11, 12, 13]] * [[-1, -1, -1], [-1, -1, -1], [-1, -1, -1]] + 1

= [(-1)*1 + (-1)*2 + (-1)*3 + (-1)*6 + (-1)*7 + (-1)*8 + (-1)*11 + (-1)*12 + (-1)*13] + 1

= [-1 - 2 - 3 - 6 - 7 - 8 - 11 - 12 - 13] + 1

= [-64] + 1

= [-63]

这将是卷积结果的第一个元素。

然后将卷积核应用于 I 的第一个子图像的右边一个像素，计算得到卷积结果的第二个元素。

依此类推，对 I 的每个子图像都应用卷积核，并计算卷积结果的每个元素。

最后，将计算得到的卷积结果放入一个 3x3 的矩阵中，得到最终的卷积结果。