卷积层以及池化层的输出维度

在学习tensorflow时，总是对各种各样的参数烦的死去活来，尤其是卷积核的长宽高步长什么的，特别“迷人”。因此本人搜索了很多的资料，进行了综合，并加上了自己的理解，供大家学习参考。

一、输入的四个维度

1）batch_size：说白了，就是图片的个数。

2）height/weight:图片的高和宽。

3）channels:图片的通道数，黑白照片就是1，RGB就是3。

例如我们的输入是X =【333，28，28，3】，则代表我们有333个宽和高都是28的黑白照片（单通道照片）。

二、卷积核的四个维度

1）height/weight:卷积核矩阵的维度

2）inchannels:与输入的通道数相等。如何理解这个参数的意思呢？这个参数代表的是我们所操作的图像的通道数。例如，我们有上例的X的通道数为3，那这个inchannels也是3。我们要做的是，将这个卷积核分别与图片A的三个通道卷积，相加作为输出。

3）outchannel：输出的特征数。这个参数是自己选定的。