我阅读了许多讨论为什么 2D 卷积层通常用于神经网络中的 RGB 图像的线程。我读到可以使用 3D conv 层。
我不明白的是它背后的数学。
假设您的图像是 300 x 300，并且kernel_size = (3, 3)图层是filter = 16and 。将是 (300, 300, 3) 因为有 3 个通道 (RGB)。Conv2DInput_shape
如果您的图像是 3D，那么您的内核也应该是 3D。当然，您也可以应用 2D，其中相同的过滤器将应用于所有通道。
图片来源（内容也不错）。
但是，通常您将 3D 滤镜应用于 3D 图像。因此，如果您将 16 个大小为 3x3x3 的过滤器应用于大小为 6x6x3 的图像，那么您将得到 16 个大小为 4x4 的输出（更新：输入图像的第三维（即 RGB 通道为 3）应与过滤器的维数匹配, 这也应该是 3)。如果您应用 16 个大小为 3x3 的过滤器，您将获得 16 个大小为 4x4x3 的输出。它将分别处理每个通道。但是当您使用 3D 过滤器时，您的卷积运算输出取决于所有三个维度。换句话说，您将 3x3x3 过滤器中的 27 个点与图像中相应的 27 个点（3x3 像素及其 3 个通道）相乘，然后将它们相加以获得结果。因此，您可以处理另外 1 个维度（16x4x4x3 而不是 16x4x4）。
您的问题 1 的答案是肯定的，您将一次应用过滤器 1 个通道。
检查链接以获得 Andrew NG 的非常好的解释。
实际上，每个过滤器都是内核的集合，该层的每个输入通道都有一个内核。
卷积层中的每个滤波器产生一个且仅一个输出通道
过滤器的内核在它们各自的输入通道上滑动，然后将处理后的版本加在一起形成一个通道。过滤器的内核每个产生每个通道的一个版本，过滤器作为一个整体产生一个整体输出通道。
参考了解更多。