CNN基础知识（一）输入、通道数与卷积核数

卷积网络中感觉很容易混淆的就是通道数，卷积核数这些概念，参考了一下CNN卷积核与通道讲解 - 知乎，觉得这篇文章讲得很清楚。

一张图片与一个卷积核的故事

情况1.

• 假设这张图片是单通道（例如灰图），这个卷积核也是单通道，如下图单通道的输入和单通道的卷积核，及其计算过程：

情况2.

• 假设这张图片是三通道的（例如彩色照片），这个卷积核也是三通道的。
• 下面是三通道的输入和三通道的卷积核；假设输入是一张RGB图像，那么就可以将它分解成三个通道（对应了左侧从上至下三个），然后中间三个黄块就是一个卷积核分解出的三个通道；输入的三个通道和卷积核的三个通道分别进行运算【从这里，可以看出，输入的通道数和卷积的通道数必须一致，因为他们的通道要一一对应进行计算】

最后要将三个通道的结果相加合成一个通道，因此输出是一个单通道图片。【从这里，可以看出，输出的通道数和卷积核的个数有关，卷积核只有一个，输出通道数为1，如果卷积核有n个，那么输出通道数为n；例如看下面的多卷积核场景的计算过程】

一张图片和多个卷积核的故事

现在将情况泛化，这时候一个输入为n通道（最左侧灰长方体），存在多个卷积核，可以看到上面情况2，其实就是我用红笔圈出来的那一部分，当时是一个卷积核；每个卷积核得到一个通道结果（也就是下面标的feature map），现在有m个卷积核，自然得到m个通道结果【也就是说，卷积核数量就是输出通道数】，再将这些结果拼起来，就得到了一个m通道数的输出；