这$96$是特征图的数量，等于过滤器/内核的数量。

内核数量的选择不是完全任意的，尽管没有限制数量的方程式或确切规则。

如果你有一个 CNN，一个单一的卷积操作将毫无意义：因为它用于整个图像信息，它可以泛化，但仅限于特定的（意思是：有限数量的）特征。简单的例子：如果第一层中的 7x7 过滤器专注于圆形，它不能同时推广到红色立方体。

因此，您的卷积层有几个过滤器/内核，即几个权重，每个权重都用于卷积。这些卷积中的每一个的结果是一个过滤器/特征图，即由内核卷积的图像信息。

通常，您会查看您的内核和问题所在的域，以找出合适的内核数量。您还必须记住，太少的内核可能会丢失信息并过度拟合特定模式，而太多的内核可能会欠拟合。特别是，当你的参数（主要是神经网络的权重）比训练数据多得多时，你的神经网络通常会表现不佳，你必须减小它的大小。

内核不应与批量大小相混淆。批量大小是您并行训练的样本数（此处为图像）。神经网络的每个训练步骤不仅包括输入单个图像，还包括输入批量大小的图像，通常与层之间的批量标准化步骤相结合。因此，这与内核的数量无关。

假设你有一张图片$3$频道，你有$10$过滤器，每个过滤器都有形状$5 \times 5 \times 3$. 将此过滤器应用于图像后的卷积层深度为$10$，等于过滤器的数量。过滤器的空间维度（在这种情况下，$5 \times 5$) 或多或少是任意定义的（它是一个超参数）。

鉴于您还要求提供详细描述这些操作的参考，您应该查看论文A guide to convolution algorithm for deep learning (2018)，其中详细描述了卷积神经网络中使用的许多卷积操作的算法网络。还有与不同操作的动画相关的 repo 。