卷积核参数的计算及1*1卷积核

卷积过程

首先，明确一个概念：卷积并不只是一个二维的过程，实际上对于输入的图片一般而言是三个通道的（R、G、B），那为什么输出的结果可以是128个通道呢？实际上经过卷积过后的通道数是由卷积核的个数来决定的，整个的卷积过程二维情况下也就是在每个通道下发生的卷积过程为：

在多通道情况下的卷积情况如下：

其实滤波器的维度应该是和输入图片相同的，输出的维度则是由滤波器的个数决定，卷积过程为：

如果把输入当做一个立方体的话，那么 filter 也是一个立方体，它们卷积的结果也是一个立方体，并且上面中 input、filter、Result 的通道都是一致的。
但卷积过程的最后一步要包括生成 feature，很简单，将 Result 各个通道对应坐标的值相加就生成了 feature，相当于将多维的 Result 压缩成了 2 维的 feature。

然后由于有多个卷积核，因此会生成很多个同样尺度的feature map，这多个feature map叠加在一起即生成了最后的输出。

卷积核参数的计算

同样需要明确一个概念：比如某层的卷积核参数为3*3*64，表示卷积核的尺寸为3*3的，卷积核的个数是64个，这也就意味着经过该层卷积后的图像通道是64，那么参数的数量是不是就是3*3*64呢？答案是：不是的。实际上，卷积核的参数还取决于上一层