多通道卷积核过程

#cn231n：https://cs231n.github.io/convolutional-networks/#conv 卷积章节有动态图可以详细看出

#!!!未作代码实践

0.卷积核实际通道数(尺寸)与输入图像有关

卷积核数量只决定了得到的特征图通道数，每个单独卷积核真实尺寸与输入图像有关。

如输入图像为4*28*27(C*H*W)。那么无论设置多少个卷积核，每个单独的卷积实际尺寸为4*k_h*k_w。

1.多通道图像与单卷积核

输入图像的每个通道 与 卷积核的每个通道 对应卷积之后每个通道结果再相加。

2.多通道图像与多卷积核

如图，拥有N个卷积核(图中N=2)。每个卷积核实际通道与输入图像通道相等。每个卷积核操作相同，即可得出N个卷积后矩阵，也称作特征图(矩阵)。

 

3.例子