深度学习：通过卷积后卷积核的个数就是结果的通道数

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