我在喀拉拉邦有个过人的模特。
model = Sequential()
model.add(Conv2D(4, (3, 3), input_shape=input_shape, name='Conv2D_0', padding = 'same', use_bias=False, activation=None))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(8, (3, 3), name='Conv2D_1', padding='same', use_bias=False, activation=None))
model.add(MaxPooling2D(pool_size=(2, 2)))
input_shape是（32，32）。因此，对于第一层，如果我有一个尺寸为（32，32）的图像，则得到4个尺寸为（32，32）的图像。因此输入图像被4个不同的内核卷积。在池化层之后，我得到4张大小为（16，16）的图像。
第二个卷积层为我提供了8张大小为（16，16）的图像。该层具有
4 * 8内核。内核的大小为（3、3、4、8）。但是我不知道如何计算这8个输出图像。
例如，我以为我可以做的第一个图像是： H_i：第一个池化层的第i个输出图像 Ker_i：第i个内核。 （：，：，i，0）
因此第二个卷积层的第一个输出图像可能是： conv（H_0，ker_0）+ conv（H_1，ker_1）+ conv（H_2，ker_2）+ conv（H_3，ker_3）
但这似乎是错误的。
谁能解释我，第二个转换层如何计算输出图像？ 谢谢您的帮助。