【深度学习】多通道图像卷积过程及计算方式

之前，有写了一篇博文，【深度学习入门】——亲手实现图像卷积操作介绍卷积的相应知识，但那篇文章更多的是以滤波器的角度去讲解卷积。但实际上是神经网络中该博文内容并不适应。

之前的文章为了便于演示，针对的是二维卷积，比如一张图片有 RGB 三个颜色通道，我的方式是每个通道单独卷积，然后将各个通道合成一张图片，再可视化出来。但真实工程不会是这样的，很多东西需要进一步说明白。

熟悉 TensorFlow 的同学大概对这个函数比较熟悉。

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

其中 input 自然是卷积的输入，而 filter 自然就是滤波器。
它们的格式说明如下：

input:
[batch, in_height, in_width, in_channels]

filter
[filter_height, filter_width, in_channels, out_channels]

input 的 4 个参数很好理解，分别是批数量、高、宽、通道数。

但是，我当时在学习时有一个疑惑不能理解，那就是为什么 filter 有 2 个通道相关的参数呢？

按照网络上的建议，我大概知道 input 的 in_channels 和 filter 的 in_channels 要对应起来，而 out_channels 是卷积后生成的 featuremap 的通道数量，但是其中的计算细节，我并不知道。

为什么颜色通道为 3 的图像，经过卷积后，它的通道数量可以变成 128 或者其它呢？这是我的疑问。

后来，我发现自己有这个疑问是因为对卷积的概念理解不清楚。

我误以为，卷积过程中滤波器是 2 维的，只有宽高，通道数为 1.

实际上，真实的情况是，卷积过程中，输入层有多少个通道，滤波器就要有多少个通道，但是滤波器的数量是任意的，滤波器的数量决定了卷积后 featuremap 的通道数。

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。

可能有同学会问，为什么需要压缩 Result 到 2 维呢？

我们回顾，卷积的公式。

$$y(n)=$$