CNN多通道卷积理解

• 图像组 Image 其Image.shape = [N1, C1, H1, W1]
  维度表示：N1张图像，每张图像均由C1个通道组成，每个通道的尺寸为H1*W1

• 卷积组 ConvT 其ConvT.shape = [N2, C2, H2, W2]
  维度表示：N2个卷积核，每个卷积核均由C2个通道组成，每个通道的卷积核尺寸为H2*W2

• 若Image以ConvT进行2D卷积，则必须满足，图像组的通道数和卷积组的通道数是相等的，即C1=C2

• 多通道卷积计算过程：
  对Image进行卷积时，循环对一张图片进行卷积操作。一张图片的卷积时，在图片的每一个通道上 用 卷积组上对应通道上的卷积核去卷积
  卷积后，得到result 其result.shape = [N1, N2, H3, W3] 其中H3， W3取决于卷积的步长等设置

若理解有误，欢迎评论指点