深度学习：CNN 卷积核的立体理解（输入特征×卷积核=输出特征）

        such as： 我们可以看到输入是 7x7x3 的矩阵，然后有两个 Filter 分别是 W0 和 W1，每一个 Filter 有三层 Feature Map，最后输出是 3x3x2 的矩阵。               

从这个例子中总结出：

• 一个卷积核可能不止一层 feature map
• 卷积核的 层数 和 输入通道数 一致
• 卷积核的 个数 和 输出通道数 一致

        一个卷积核除了 width, height 也有 depth 。虽然每次卷积得到的是一个值，但是是从 Input Channels 个 Feature Maps 中叠加得到的。