我注意到Conv2d图层用于输入图像有三维的代码中。但是，由于我们只为滤波器输入两个维度，矩阵乘法如何发生？
二维滤波器是否分别对每个输入通道进行卷积（或使用广播）（然后只是将结果加起来）？
或者滤镜的深度是否自动匹配输入的深度（如果是彩色图像则为3）？如果是这种情况，3x3x3过滤器应该有27个可以训练的重量，而不是前者的9个。
Tensorflow对conv2d的滤镜尺寸更明确（您必须输入高度，宽度，通道，输出_渠道）
答案 0 :(得分：2)
Keras Conv2d图层自动为其卷积滤镜提供n个输入通道，其中n是其前面图层的通道深度/数量。此前一层作为输入数据提供给Conv2d图层。
这些假设使得Keras更易于用于常见用例，例如在深度卷积网络中将Conv2d链接在一起。