【CNN】理解卷积神经网络中的通道 channel
通道有三种，输入通道，卷积核通道，输出通道
输入通道：RGB 为3通道的数据。
卷积通道：卷积核的个数，等于最后得到的特征举证。
输出通道：最后的输出features map 个数。
如下图，假设现有一个为 6×6×36×6×3 的图片样本，使用 3×3×33×3×3 的卷积核（filter）进行卷积操作。此时输入图片的 channels 为 33 ，而卷积核中的 in_channels 与 需要进行卷积操作的数据的 channels 一致（这里就是图片样本，为3）。
接下来，进行卷积操作，卷积核中的27个数字与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 4×44×4 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 4×4×14×4×1 ， out_channels 为 11 。
在实际应用中，都会使用多个卷积核。这里如果再加一个卷积核，就会得到 4×4×24×4×2 的结果。