CNN中卷积层,卷积核,通道概念
卷积层:就是我们所熟知的滤波器filter,或者内核kernel,在TensorFlow当中称之为滤波器,用于对输入的图像结构进行特征提取。
通道数:指滤波器的个数,输出的通道层数只与当前滤波器的通道个数有关。
输入层黑白图像的通道数为1,彩色图像的通道数个数为3
为什么通过卷积后卷积核的个数就是结果的通道数
解释:
(1)黄色部份为滤波器的个数:为2
(2)为什么滤波器是333:前两个参数表示滤波器的宽高为自己设定,这里假设为33,最有一个参数为输入数据的通道数,由于输入数据为三通道,所以本例最后一个参数为3(若为黑白图像则第一次的通道式为1,即33*1)
(3)为什么卷积后会变成蓝色441:这里使用到的步长为1(即滤波器的每次移动步长为1),然后每次卷积完对本次滤波器上的值进行相加得到一个滤波器,还记得上边说的输出的通道数只与滤波器的通道数有关吗?这里就是,有两个通道的滤波器,所以会产生蓝紫色的方阵。
卷积层参数个数=hwl*c 参数含义:h,w为滤波器的宽高本次为(33),l为输入数据的通道数本次为3,c为卷积层的通道数本次为2,所以本例的参数个数为3332