和单层图像的卷积类似，只需要对每一个filter构成的三层立方体上的每一个数字与原图像对应位置的数字相乘相加求和即可。
在这个时候可以分别设置filter的R、G、B三层，可以同时检测纵向或横向边缘，也可以只检测某一通道的，只需要对其他通道的filter置为0即可。
那么如果要使用filter同时对纵向、横向或者其他角度的边缘进行检测该怎么办呢？
Multiple filter：
对于同时采用多个filter来检测不同特征的时候，只需要将多个filter的结果堆叠起来输出即可，如上图所示。
神经网络中的卷积层：
将等待卷积的原始图片的RGB矩阵看做X也就是a[0],经过不同filter的卷积操作后，得到的新矩阵加上偏移量bias再经过激活后就得到了a[1]
单个卷积层的标记方法：
