关于立方体卷积的channel（通道）AKA深度（depth）

        channel及通道，在某些文献中又叫深度。channel是立方体卷积的一个维度。例如图示输入图像有RGB三个channel，用于卷积该图像的滤波器的channel必须与图像相同，每个滤波器卷积得到一个输出结果（即学习一个特征，可以理解该结果的channel=1）。

立方体卷积的直观图示

        再将所有滤波器的输出结果组合成一整个输出，输出具有n个channel（n为滤波器个数，即输出的channel等于滤波器个数，等于需要学习的特征数）

如果把输入当做一个立方体的话，那么 filter 也是一个立方体，它们卷积的结果也是一个立方体，并且上面中 input、filter、Result 的通道都是一致的。

但卷积过程的最后一步要包括生成 feature，很简单，将 Result 各个通道对应坐标的值“相加”就生成了 feature，相当于将多维的 Result 压缩成了 2 维的 feature。

————————————————

输入channel、滤波器channel和输出channel的关系

更进一步的卷积层如下图所示

给每一个滤波器的结果加上不同偏移量在通过Relu激活函数后叠加作为输出