【深度学习】简单易懂，对卷积核层数的理解

在学习卷积神经网时候，本人对代码中的卷积维度变化不是很理解，记录学习过程供参考。 假设有一个卷积核W（3X3X3X2），第一个维度为高度，第二个维度为宽度，第三个维度为通道数，第四个维度为卷积层数。上图展示一下： 关于卷积过程中维度的变化： 对于单通道的灰度图卷积很好理解，如4X4的图片用3X3的一个卷积核进行卷积（步长为一），那结果就是2X2的维度；假设卷积核有2层，即为3X3X2，那么卷积出来

>>阅读原文<<