卷积神经网络（CNN）的通道计算过程（卷积网络的参数量计算方法、计算量计算方法）

以前一直对卷积的通道运算有一个误解，今天搞懂了，记录一下。

其实很简单，产生一个输出通道需要与输入通道数相当的卷积模板数（这个为一组产生一个输出通道），如下图所示

对应的卷积模板处理对应的输入通道，以上面的例子来说，第一个卷积模板处理第一个输入通道产生一个h*w

（输入特征的大小）的feature，如此会产生三个相同大小的feature，再把不同通道相同位置的元素相加产生一个输出通道。

所以计算量为：m*h*w*k*k*n（其中m为输入通道数、n为输出通道数、k为卷积核大小、h和w为长宽）

参数量为：k*k*m*n(k为卷积核大小，m为输入通道数，n为输出通道数)

若像产生多通道则需要多组卷积组，如下图（产生两个输出通道）

总结其计算过程为：首先，每个通道内对应位置元素相乘再相加，最后计算所有通道的总和作为最终结果。这里记住一个规律，卷积核的Channel通道数等于Input输入的通道数，Output输出的通道数等于卷积核的个数。