在卷积神经网络（CNN）中，卷积操作通过滑动卷积核（filter）在输入数据上提取特征。卷积核以一定的步幅（stride）在输入数据的二维或三维区域上滑动，对每个区域进行点积操作，将卷积核的权重与输入数据对应位置的值相乘并求和，生成一个输出值。这个输出值代表了输入数据中对应区域的特征。通过使用多个不同的卷积核，网络可以提取不同的特征。卷积操作还使用了零填充（zero-padding），以便保持输出和输入具有相似的大小。例如，在图像识别任务中，通过卷积操作，CNN可以提取出图像的边缘、纹理和其他局部特征，这些特征可以帮助网络更好地理解图像并进行分类。