一 在卷积神经网络中需要输入in_channels和out_channels,即输入通道数和输出通道数。
可以参考这篇文章【CNN】理解卷积神经网络中的通道 channel_cnn通道_scxyz_的博客-CSDN博客
和如何理解卷积神经网络中的通道(channel)_卷积神经网络通道数_Medlen的博客-CSDN博客
1.最初输入图片样本的通道数 in_channels
取决于图片的类型,如果是彩色的,即RGB类型,这时候通道数固定为3,如果是灰色的,通道数为1。
2.卷积完成之后,输出的通道数 out_channels
取决于过滤器的数量。从这个方向理解,这里的 out_channels
设置的就是过滤器的数目。
3.对于第二层或者更多层的卷积,此时的 in_channels
就是上一层的 out_channels
, out_channels
还是取决于过滤器数目。
二 卷积核与过滤器的区别
卷积核就是由长和宽来指定的,是一个二维的概念。
-
卷积核就是由长和宽来指定的,是一个二维的概念。
-
而过滤器是是由长、宽和深度指定的,是一个三维的概念。
-
过滤器可以看做是卷积核的集合。
-
过滤器比卷积核高一个维度——深度。