多通道卷积后通道数计算理解

结论：卷积的深度（通道数）和卷积核的个数一致

一个卷积核得到的特征提取是不充分的，我们可以添加多个卷积核。

2、多通道多个卷积核卷积计算：

    图片的宽高分别用W，H来表示，图片的通道数为D，一般目前都用RGB三通道D=3，为了通用型，通道数用D表示;

卷积核：卷积核大小为k*k,由于处理的图片是D通道的，因此卷积核其实也就是k*k*D大小的，因此对于RGB三通道图像，在指定kernel_size的前提下，真正的卷积核大小是kernel_size*kernel_size*3

对于D通道图像的各通道而言，是在每个通道上分别与其对应通道的二维卷积核进行卷积，然后将D个通道加起来，得到该位置的二维卷积输出，对于RGB三通道图像而言，就是在R，G，B三个通道上分别使用对应的每个通道上的kernel_size*kernel_size大小的核去卷积每个通道上的W×H图像，然后将三个通道卷积得出的输出相加，得到二维卷积输出结果，因此，若有M个卷积核，可以得到M个二维卷积输出结果，在有padding情况下，能保持输出图片和原来一样，因此output的维度是（W，H，M）

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC