两者之间有什么区别？这也有助于在更一般的卷积网络环境中进行解释。
此外，请注意，什么是渠道？换句话说，请为我分解三个术语：通道vs过滤器vs内核。
答案 0 :(得分：4)
每个卷积层由几个卷积通道（又称为深度或过滤器）组成。实际上，它们的数量为64,128,256, 512等。这等于卷积层输出中的通道数。另一方面，kernel_size是这些卷积过滤器的大小。实际上，它们是3x3, 1x1 or 5x5。缩写为1 or 3 or 5，因为实际上它们通常是正方形的。
修改
以下引号应该更清楚
假设X是大小为W x H x D x N（其中N是批处理大小）的输入到包含过滤器F（大小为{{1 }}）。
特征通道FW x FH x FD x K的数量是输入D的三维尺寸（例如，如果输入由彩色图像组成，则网络的第一个输入通常为3）。
过滤器的数量X是K的第四维。
这两个概念紧密相关，因为如果层中的滤镜数量为F，则它会产生具有K个特征通道的输出。因此，下一层的输入将具有K个功能通道。
上面的K是您要寻找的过滤器大小。
已添加
您应该熟悉filters。您可以认为每个过滤器负责从原始图像中提取某种类型的特征。 CNN尝试学习此类过滤器，即在训练CNN期间学习CNN参数化的过滤器。这些是CNN中的过滤器。您可以将Conv2D中的每个过滤器应用于每个输入通道，并将它们组合以获得输出通道。因此，滤波器和输出通道的数量相同。