神经网络中的通道数，卷积核和过滤器的区别

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。