CNN图像通道数和卷积核的大小及数量的关系
CNN图像通道数和卷积核的大小及数量的关系
对于一张56×56×3的图片来说，3代表的就是输入图像的通道数，也可以理解为3张56×56的特征图，例如对一幅彩色图像来说，就代表R、G、B三颜色通道的特征图。因此对其进行卷积运算时，卷积核的深度就必须与输入图像的通道数相同，拿1×1卷积来说，卷积核的大小就必须是1×1×3。
上面的1×1×3中的3是进行卷积运算时的卷积核的大小，我初学时总是会将其和卷积核的数量相混淆，认为所谓1×1卷积的降维的作用就是通过这个参数来体现，因此专门在这里总结一下。实际上，当1×1×3卷积核的数量只有1个时，最终得到的输出图像的通道数为1。
因此，控制输出图像通道数的是卷积核的数量，即1×1×3卷积核的数量，如下图所示。
【CNN】理解卷积神经网络中的通道 channel