2019-01-03关于卷积，通道的汇总

10- 深度学习之神经网络核心原理与算法-卷积核

基本概念的理解

CNN笔记：通俗理解卷积神经网络

原图片有几个通道，卷积核就有几个通道

例如原图有3个通道分别为x1,x2,x3矩阵，卷积核也有对应的3个通道分别为w1,w2,w3

x1*w1得到一个数，x2*w2得到一个数,x3*w3得到一个数，三个数之和为原图通过这个卷积核卷积后得到的一个feature map 矩阵中的一个元素，按此类推，卷积核在原图上滑动就会得到这个feature map的其他元素。

所以，不管原图有几个通道，一个卷积核对原图卷积后，都会得到一个二维的feature map.

多个卷积核对原图卷积就会得到多个feature map，这些feature map 重叠在一起后就又变成了一个立体，深度就是前面卷积核的个数。

效果见链接：图片的通道数和卷积核的深度