卷积核的尺寸、通道数、个数还有1*1卷积的理解

#卷积核的尺寸，通道数还有1*1卷积的理解

卷积核：就是对某个局部区域的加权求和，是对局部的感知。

一开始学习的时候，对卷积核的尺寸、通道数以及卷积核个数等概念十分混淆，后来才逐渐理解。

在深度学习中，卷积核的个数，就是就是经过该卷积核之后的输出的通道数。
对于输入的每个通道，输出的每个通道上的卷积核是不一样的，类似于图片中的样子。
比如：
输入是28 * 28 * 192，然后经过尺寸为3 * 3，通道数为128的卷积核，那么卷积核的参数是：
3 * 3 * 192 * 128

在tensorflow中
input是一个4为tensor =[batch, height, width, channels]= [样本数量，样本长，样本宽，样本深度（对应图片通道数）]，RGB图像通道数为3，黑白图像通道数为1
w=[filter的长，filter的宽，input的深度，output的深度]。上文已经介绍，output的深度等于filter的个数。

看了博客和书籍，大概理解1 * 1卷积有两个作用
1.实现不同通道同一位置的信息的融合；
2.实现通道数的升维或降维。

了解一下是么是感受野：
如果输出图像的每一个像素和输入图像的n * n个像素有关，那么就称输出图像的感受野是n * n。