【问题标题】：Confusion about the output channels of convolution neural network卷积神经网络输出通道的困惑
【发布时间】：2021-06-07 09:07:21
【问题描述】：
我对卷积神经网络中的多通道场景感到困惑。
假设我有一个 10(width) * 5(height) * 6(channels) 图像，我将其输入到默认的二维卷积层，其中 stride=1 和 padding=0 期望输出为 8(width) * 3(height) * 16(channels)。
我知道内核的大小是3(width) * 3(height)，但我不知道到底有多少个内核，以及如何应用于输入数据以提供最后 16 个通道。
有人可以帮帮我。
【问题讨论】：
标签：
deep-learning
pytorch
convolution
【解决方案1】：
2D 卷积层的每个输入通道、每个输出通道都包含一个内核。所以在你的情况下，这将是6*16=96 内核。对于 3x3 内核，这对应于 3*3*96 = 864 参数。
>>> import torch
>>> conv = torch.nn.Conv2d(6, 16, (3, 3))
>>> torch.numel(conv.weight)
864
对于一张图像，每个输入通道首先应用一个内核。在您的情况下，这会产生 6 个特征图，它们加在一起（+ 可能的偏差）以形成输出通道的 1 个。然后，重复 15 次，形成其他 15 个输出通道。