批量大小对最大汇集层输入维数的影响？

Question

在下面的代码中，批量大小为10，输入通道为2，输出通道为32.我知道卷积的输出作为最大池层的输入，其输出充当完全连接层的输入。根据我的理解，图像高度图像宽度输出通道（2 * 2 * 32）作为最大合并层的输入。意味着32个大小为2的图像。但是输入层中有10个图像。最大池的输入是10 * 2 * 2 * 32吗？

input = tf.Variable(tf.random_normal([10,4,4,2]))
filter = tf.Variable(tf.random_normal([2,2,1,32]))
result = tf.nn.conv2d(input, filter, strides=[1, 2, 2, 1], padding='SAME')

Answer 1

输入为2x2，它将用于32个要素图（“图像”），因此深度将相同（32）。批量大小意味着它将对整个批次（10）执行此操作。

所以，你可能想说10 * 2 * 2 * 32，但事实是最大池操作只发生在2 * 2特征映射中。