我想知道颜色通道如何在卷积网中相互作用：
将2D内核应用于每个单一（颜色）通道是否正确，从而产生独立的输出，信息仅在完全连接的层中组合？
如果我希望我的网络利用不同频道中包含的信息，我可以使用3D内核的3D卷积吗？ （我正在解决一个不包含图像识别的任务，而是包括多个2D矩阵，每个矩阵包括不同的信息 - 我想找到这些2D矩阵之间的某些相关性）
基于以上所述：Tensorflow包含2D-Convolution的函数，它采用[in_height，in_width，in_channels] -input和3D-Convolution，它采用[in_height，in_width，in_depth，in_channels] -input。如果我设置[2,2,2]（例如;对于2D）和[2,2,2,1]（对于3D），它们是否执行相同的操作？
谢谢
答案 0 :(得分：3)
我想我想出来了......
使用2d conv也将使用3d内核（跨通道），但是在通道方向上步幅为零。从而产生2D矩阵作为输出。
使用3d conv将使用3d内核（跨越h，w，d）＆amp;向四面八方迈进。导致3D矩阵作为输出。
干杯