卷积神经网络中channel的理解
对于TensorFlow中输入层而言，channel代表图像类型，若输入图像为RGB彩色图像，则channel = 3；若为灰度图像，则channel = 1。
对于卷积核而言，卷积核的深度 = 卷积核个数 = 卷积核channel数
- 若当前卷积层的上一层为输入层，则channel数 = 输入图像channel数
- 无论输入图像的深度是多少，经过一个卷积核都变换为一个深度为1的特征图，一个卷积层可定义多个卷积核，当前卷积层上的各个卷积核会对上一层输入的每个feature map（特征图）分别执行卷积操作，每个卷积核对应生成一个新的feature map(不同的卷积核所提取的特征不同)。故而在下一层需要多少个feature map，本层就需要定义多少个卷积核，即卷积核的深度与传入的feature map层的张数一致。
图像来源于慕课网 《打造人脸识别智能小程序》课程
个人理解，如有偏差欢迎指出。