卷积神经网络中 channels 分为三种
(1)最初输入图片样本的 channels ,取决于图片类型,比如RGB, channels=3(下图)
6x6x3的图像样本,其中图像的大小(像素)为6x6,通道数为3
(2)卷积操作完成后的 out_channels ,取决于卷积核的数量。此时的 out_channels 也会作为下一次卷积时的卷积核的 in_channels
假设现有一个6x6x3的图片样本,使用3x3x3的卷积核(filter)进行卷积操作。此时输入图片的 channels
为3,而卷积核中的 in_channels
与 需要进行卷积操作的图片样本的 channels
一致。
接下来,进行卷积操作,卷积核中的27个数字分别与样本对应相乘后,再进行求和,得到第一个结果。依次进行,最终得到4x4的结果。
上面步骤完成后,由于只有一个卷积核,所以最终得到的结果为4x4x1, out_channels
为1
(3)卷积核中的 in_channels ,就是上一次卷积的 out_channels ,如果是第一次做卷积,就是(1)中样本图片的 channels
注意:卷积操作中输出的channels个数由卷积核数量决定与卷积核输入channels 没有关系, 卷积核的输入channels只与上一次卷积操作中的out_channels有关。