关于卷积层的输入输出通道数问题

      卷积层的输入是一张或者多张图片，图片有可能是单通道或者多通道，但不管是单通道还是多通道，经过卷积层后，得到的输出map都是单通道的特征图。

1、假如输入1张图片，通道数为5，那么在设计卷积核的时候，对应的卷积核的通道数也因该是5

import tensorflow as tf

input = tf.Variable(tf.random_normal([1, 3, 3, 5]))
filter = tf.Variable(tf.random_normal([1, 1, 5, 1]))

op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID')
init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(input)
    print("*********************")
    print(filter)
    print("*********************")
    print(op)
    print("*********************")

输出：

<tf.Variable 'Variable:0' shape=(1, 3, 3, 5) dtype=float32_ref>
*********************
<tf.Variable 'Variable_1:0' shape=(1, 1, 5, 1) dtype=float32_ref>
*********************
Tensor("Conv2D:0", shape=(1, 3, 3, 1), dtype=float32)
*********************

2、如果要输出多张特征图，则需要更改卷积核的个数，假设卷积核的数量为10

import tensorflow as tf

input = tf.Variable(tf.random_normal([1, 3, 3, 5]))
filter = tf.Variable(tf.random_normal([1, 1, 5, 10]))

op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID')
init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(input)
    print("*********************")
    print(filter)
    print("*********************")
    print(op)
    print("*********************")

输出：

<tf.Variable 'Variable:0' shape=(1, 3, 3, 5) dtype=float32_ref>
*********************
<tf.Variable 'Variable_1:0' shape=(1, 1, 5, 10) dtype=float32_ref>
*********************
Tensor("Conv2D:0", shape=(1, 3, 3, 10), dtype=float32)
*********************