如何理解卷积神经网络中的通道（channel）

在传递函数数学模型中他们一般来说须要输出 和 ，即输出地下通道数和输出地下通道数，它代表者甚么原意呢？责任编辑将得出两个形像的认知。

对地下通道的认知能参照上面的这首诗：

【CNN】认知传递函数数学模型中的地下通道 channel

这儿我稍稍归纳呵呵核心理念看法：

对起初输出相片样品的地下通道数 依赖于相片的类别，假如是全彩的，即RGB类别，这时地下通道数一般来说为3，假如是棕色的，地下通道之积1。传递函数顺利完成后，输出的地下通道数 依赖于冷却系统的数目。从那个路径认知，这儿的 增设的是冷却系统的数目。对第几层或是更第二层的传递函数，这时的 是上几层的 ， 却是依赖于冷却系统数目。

在第2条我用的是冷却系统，而并非传递函数核，跟原作看法很多相同，即使我指出在这儿用冷却系统叙述更最合适。传递函数核和冷却系统的差别能看我的这首诗 传递函数核（kernel）和冷却系统（filter）的差别

对第1点能参照右图：

这儿输出地下通道四元组3，每一地下通道都须要跟两个传递函数核做传递函数演算，接着将结论相乘获得两个特点图的输出，这儿有4个冷却系统，因而获得4个特点图的输出，输出地下通道之积4。

一般而言特点图的排序可看右图：

再来看呵呵单地下通道的例子：

输出是棕色相片，输出地下通道四元组1，传递函数核有3个，做三次传递函数操作，生成3个特点图，输出地下通道之积3。

单地下通道特点图的排序为：

这儿可能会有人有疑惑为甚么相片的类别是RGB的，它的地下通道数是3呢？

这儿要从排序机怎样识别相片来考虑。在人眼中看到的相片是五颜六色，对排序机来说就只是数字。那么排序机怎样分辨相片颜色呢？——RGB。所有颜色都能用这三种颜色来表示，因而他们只须要三个数字就能表示一种颜色。

右图是我随机选择的几个颜色的RGB表示：

排序机要表示整张相片，是用数字去表示整张相片的所有像素，但是每一像素须要三个数值来表示，于是就有了相片的3地下通道。每一地下通道分别表示RGB三种颜色。

起初的地下通道四元组3，但是有的数学模型地下通道数目多达100多个，怎么认知呢？

他们依然能类比RGB地下通道，对多地下通道他们能看做是颜色表示的更抽象版本，每两个地下通道都表示图像某一方面的信息。