在 a 的每一层中，CNN您都有许多过滤器。假设你有第一个卷积层$C_{out} = 10$过滤器。每个过滤器的习惯尺寸是$(C_{input}, H, W)$在哪里$C_{input}$表示当前卷积层的输入的通道数。$H$和$W$表示过滤器窗口的高度和宽度。考虑这一点，您正在将每个过滤器与输入进行卷积。输入是一个体积$(C_{input}, H^{'}, W^{'})$方面。作为卷积，您所做的是将这些卷、每个过滤器和输入进行卷积。输入的高度和宽度$H^{'}$和$W^{'}$与每个滤波器的高度和宽度相同或更大，但每个滤波器的深度或通道数必须与输入通道相同。在对每个过滤器进行卷积后，您将获得一个二维激活图。通过堆叠每个过滤器的结果，您将拥有$C_{output}$输出特征图的数量等于过滤器的数量。