卷积神经网络中卷积核的参数为什么是四个

卷积神经网络的卷积核参数

笔者最近在学卷积神经网络，想起来我的某位同学问了我一个问题：
为什么卷积神经网络中卷积核的参数是四个，为什么要把输出output也写入，即为什么与输出有关？
刚开始我也困惑？于是查起了相关资料，才发现其实是没有理解卷积层的运算。
卷积神经网络讲解内容可以b站搜索邱锡鹏老师的《神经网络与深度学习》第五章内容以及李宏毅老师的卷积神经网络，若有鱼书在身旁就更好。
回到问题本身，我自己做了些笔记，参考的是鱼书。
附图：

卷积核四个参数分别是：output_channel,input_channel,height,width
这里主要问题也是为什么有output_channel?
最重要的是理解单通道输入input在经过卷积核计算后得到feature map特征图的维度变化，在拓展到RGB三通道特征图。而且要理解，**卷积核的意义，就是提取特征，一个卷积核可以得到一个特征，所以FN个卷积核可以得到FN个特征图，这就是输出output维度中除了长宽后的深度（通道），即output_channel！**4
以上便是我对这个问题的分析，初学者，有问题请指出，谢谢！