keras中卷积核维数与输入维数的关系

         里面如果有错的话，还望指正，谢谢。
在使用keras的卷积层时，需要选择卷积核的维数，对应的函数分别为Conv1D和Conv2D等，刚开始使用时一直没搞明白为啥输入图像是3维的RGB图像，但是在配置卷积层时却选择Conv2D函数，而不是Conv3D，后来看keras的源码，才知道原因（我等菜鸟还是要多看源码才能进步。。）
        在keras.layers中的convolutional.py中，基类函数_Conv中卷积核的尺寸是kernel_shape，可以看到代码中：

kernel_shape = self.kernel_size + (input_dim, self.filters)

        self.kernel_size由conv_utils.normalize_tuple函数得到，该函数根据输入的参数返回一个元组，参数分别是：kernel_size, rank,  'kernel_size'。

1、kerne