理解CNN中的特征图 feature map

feature map的含义

      在每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层和每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map。

feature map尺寸计算方法：

INPUT为32*32，filter的大小即kernel size为5*5，stride = 1，pading=0,卷积后得到的feature maps边长的计算公式是： 
output_h =（originalSize_h+padding*2-kernelSize_h）/stride +1 
所以，卷积层的feature map的变长为：conv1_h=（32-5）/1 + 1 = 28 
卷积层的feature maps尺寸为28*28. 

由于同一feature map共享权值，所以总共有6*（5*5+1）=156个参数。 

其它层：

层与层之间会有若干个卷积核(kernel)(也称为过滤器)，上一层每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map，有N个卷积核，下层就会产生N个 feather map