我一直在努力了解如何在数学水平上实施反网络的反向传播。我找到了this文章，该文章以图形方式解释了2D卷积的梯度计算。 conv layer consists of 3x3 inputs和filter used is 2x2的维度，在卷积results in 2x2 layer上，然后完全连接。此完全关联图层的The gradient将为维度2x2。
根据文章： -
Gradient of conv layer = convolution between gradient of next layer
and weights of this layer
但我无法对3通道输入进行概括。
让我们说输入图层是维度3x3x3，我们使用1个维度2x2x3的过滤器，然后生成的卷积将再次具有维度2x2，然后将其视为完全连接的图层。
现在是gradient for fully connected layer will be 2x2。因此，为了计算转换层的梯度，我们再次计算convolution between 2x2 gradient layer and 2x2x3 weight layer but they are incompatible。
所以，我不明白如何使用这个公式计算3D卷积的梯度。如何在此步骤后继续进行？
关于3D输入的推导（或文章）也将非常有用。