add conv p q desc

TERMINOLOGY.md

@@ -72,6 +72,8 @@
 
 归一化，normalization
 
+过滤器，filter
+
 过拟合，underfitting
 
 假设，hypothesis
@@ -156,12 +158,14 @@ softmax回归，softmax regression
 
 跳字模型，skip-gram model
 
-调参，tune parameter
+调参，tune hyper-parameter
 
 通道，channel
 
 凸优化，convex optimization
 
+图像，image
+
 未知词符号，unknown token
 
 无偏估计，unbiased estimate

chapter_convolutional-neural-networks/conv-layer.md

@@ -64,6 +64,9 @@ class Conv2D(nn.Block):
         return corr2d(x, self.weight.data()) + self.bias.data()
 ```
 
+卷积窗口形状为$p \times q$的卷积层称为$p \times q$卷积层。同样，$p \times q$卷积或$p \times q$卷积核说明卷积核的高和宽分别为$p$和$q$。在有些文献中，卷积核也称过滤器（filter）。
+
+
 ## 图像中物体边缘检测
 
 下面我们来看一个应用卷积层的简单应用：检测图像中物体的边缘，即找到像素变化的位置。首先我们构造一张$6\times 8$的图像（即高和宽分别为6和8像素的图像）。它中间4列为黑（0），其余为白（1）。