【深度学习笔记】标准卷积

举个例子，假设有一个3×3大小的卷积层，其输入通道为16、输出通道为32。 那么一般的操作就是用32个3×3的卷积核同输入数据来分别进行卷积操作，这样每个卷积核需要3×3×16个参数，得到的输出是只有一个通道的数据。 之所以会得到一通道的数据，是因为刚开始3×3×16的卷积核的每个通道（一共16个）会在输入数据的每个对应通道上做卷积，然后叠加每一个通道对应位置的值，使之变成了单通道，那么32个卷积

>>阅读原文<<