卷积神经网络中的滤波器如何产生多个通道？

Question

我正在使用Tensorflow学习卷积神经网络。

我对tf.nn.conv2d有些怀疑。其中一个参数是filter：

  

形状的过滤器/内核张量[filter_height，filter_width，in_channels，out_channels]

我不明白out_channels的含义是什么。

假设输入图像为[1, 3, 3, 1]。因此大小为3xx，通道为1 然后我们有一个过滤器[2, 2, 1, 5]，这意味着在过滤后，我们将得到一个大小为2x2（“有效”填充）的图像，包含5个通道。

5个频道从哪里来？根据我的理解，过滤只能生成1个通道。 Tensorflow在这里使用了5种不同的过滤功能吗？

Answer 1

tf.nn.conv2d函数的filter参数，如您所引用的，是维度[filter_height, filter_width, in_channels, out_channels]的4D张量。此张量代表一堆out_channels维度filter_height x filter_width过滤器，应用于in_channels个频道的图片。

参数filter_height，filter_width和out_channels是定义的，而input_channels取决于您对{{1>的输入}}

换句话说，尺寸为tf.nn.conv2d的过滤器张量代表[2, 2, 1, 5]个不同的5过滤器，可应用于2 x 2 - 频道输入，但您可以完全改变它到1，或其他任何给你更好的结果。

为了进一步说明，在以下gif中，您有[2, 2, 1, 7]张量滤镜在[3, 3, 1, 1]图像上进行卷积。这意味着您只有[1, 5, 5, 1]过滤器在图像上进行卷积。

GIF source