关于卷积网络的几个误解 及 参数计算

1、之前误解一：

多通道的卷积和我之前理解的不一样。只是对应通道相乘，最后再加？那我之前的残差网络具体卷积核的大小及深度是多少？？？

2、之前误解二：

不论输入图像大小参数个数是不会发生改变的！！！（但计算量会改变？？？）

3、卷积网络优化的是卷积核的参数？

卷积不仅限于对原始输入的卷积。蓝色方块是在原始输入上进行卷积操作，使用了6个filter得到了6个提取特征图。绿色方块还能对蓝色方块进行卷积操作，使用了10个filter得到了10个特征图。每一个filter的深度必须与上一层输入的深度相等。

 

4、解释了计算使的内存消耗+参数量：

1. 参数看来就是卷积核的各个参数！即权重？
2. 那么各个神经元节点的值在网络中又怎么表示呢？怎么调用呢？