CNN的卷积核是单层的仍是多层的？

解析：

通常而言，深度卷积网络是一层又一层的。

层的本质是特征图, 存贮输入数据或其中间表示值。一组卷积核则是联系先后两层的网络参数表达体, 训练的目标就是每一个卷积核的权重参数组。描述网络模型中某层的厚度，一般用名词通道channel数或者特征图feature map数。

不过人们更习惯把做为数据输入的前层的厚度称之为通道数（好比RGB三色图层称为输入通道数为3），把做为卷积输出的后层的厚度称之为特征图数。 卷积核(filter)通常是3D多层的，除了面积参数, 好比3x3以外, 还有厚度参数H（2D的视为厚度1). 还有一个属性是卷积核的个数N。

卷积核的厚度H, 通常等于前层厚度M(输入通道数或feature map数). 特殊状况M > H。 卷积核的个数N, 通常等于后层厚度(后层feature maps数，由于相等因此也用N表示)。 卷积核一般从属于后层，为后层提供了各类查看前层特征的视角，这个视角是自动造成的。

卷积核厚度等于1时为2D卷积，对应平面点相乘而后把结果加起来，至关于点积运算； 卷积核厚度大于1时为3D卷积，每片分别平面点求卷积，而后把每片结果加起来，做为3D卷积结果；1x1卷积属于3D卷积的一个特例，有厚度无面积, 直接把每片单个点乘以权重再相加。

概括之，卷积的意思就是把一个区域，无论是一维线段，二维方阵，仍是三维长方块，所有按照卷积核的维度形状，对应逐点相乘再求和，浓缩成一个标量值也就是降到零维度，做为下一层的一个feature map的一个点的值！

能够比喻一群渔夫坐一个渔船撒网打鱼，鱼塘是多层水域，每层鱼儿不一样。

船每次移位一个stride到一个地方，每一个渔夫撒一网，获得收获，而后换一个距离stride再撒，如此重复直到遍历鱼塘。 A渔夫盯着鱼的品种，遍历鱼塘后该渔夫描绘了鱼塘的鱼品种分布； B渔夫盯着鱼的重量，遍历鱼塘后该渔夫描绘了鱼塘的鱼重量分布；

还有N-2个渔夫，各自兴趣各干各的； 最后获得N个特征图，描述了鱼塘的一切！

2D卷积表示渔夫的网就是带一圈浮标的渔网，只打上面一层水体的鱼； 3D卷积表示渔夫的网是多层嵌套的渔网，上中下层水体的鱼儿都跑不掉； 1x1卷积能够视为每次移位stride，甩钩钓鱼代替了撒网；

下面解释一下特殊状况的 M > H：实际上，除了输入数据的通道数比较少以外，中间层的feature map数不少，这样中间层算卷积会累死计算机（鱼塘太深，每层鱼都打，须要的鱼网过重了）。

因此不少深度卷积网络把所有通道/特征图划分一下，每一个卷积核只看其中一部分（渔夫A的渔网只打捞深水段，渔夫B的渔网只打捞浅水段）。这样整个深度网络架构是横向开始分道扬镳了，到最后才又融合。

这样看来，不少网络模型的架构不彻底是突发奇想，而是是被参数计算量逼得。特别是如今须要在移动设备上进行AI应用计算(也叫推断), 模型参数规模必须更小, 因此出现不少减小握手规模的卷积形式, 如今主流网络架构大都如此。