問題：10個卷積核，得到10個feature map， 那麼輸入影象為rgb三個通道呢，輸出就為 30個feature map 嗎， 答案肯定不是的， 輸出的個數依然是 卷積核的個數。 可以檢視常用模型，比如lenet 手寫體，alex imagenet 模型， 每一層輸出feature map 個數 就是該層卷積核的個數。
1、一通道 多個卷積核卷積過程
2、 多通道的多個卷積核
下圖展示了在四個通道上的卷積操作，有兩個卷積核，生成兩個通道。其中需要注意的是，四個通道上每個通道對應乙個卷積核，先將w2忽略，只看w1，那麼在w1的某位置（i,j）處的值，是由四個通道上（i,j）處的卷積結果相加然後再取啟用函式值得到的。 所以最後得到兩個feature map， 即輸出層的卷積核核個數為 feature map 的個數
所以，在上圖由4個通道卷積得到2個通道的過程中，引數的數目為4×2×2×2個，其中4表示4個通道，第乙個2表示生成2個通道，最後的2×2表示卷積核大小。
下面是常見模型， 理解一下 每層feature map 個數，為上一層卷積核的個數下圖即為alex的cnn結構圖。需要注意的是，該模型採用了2-gpu並行結構，即第1、2、4、5卷積層都是將模型引數分為2部分進行訓練的。在這裡，更進一步，並行結構分為資料並行與模型並行。資料並行是指在不同的gpu上，模型結構相同，但將訓練資料進行切分，分別訓練得到不同的模型，然後再將模型進行融合。而模型並行則是，將若干層的模型引數進行切分，不同的gpu上使用相同的資料進行訓練，得到的結果直接連線作為下一層的輸入。
上圖模型的基本引數為：
輸入：224×224大小的，3通道
第一層卷積：5×5大小的卷積核96個，每個gpu上48個。
第一層max-pooling：2×2的核。
第二層卷積：3×3卷積核256個，每個gpu上128個。
第二層max-pooling：2×2的核。
第三層卷積：與上一層是全連線，3*3的卷積核384個。分到兩個gpu上個192個。
第四層卷積：3×3的卷積核384個，兩個gpu各192個。該層與上一層連線沒有經過pooling層。
第五層卷積：3×3的卷積核256個，兩個gpu上個128個。
第五層max-pooling：2×2的核。
第一層全連線：4096維，將第五層max-pooling的輸出連線成為乙個一維向量，作為該層的輸入。
第二層全連線：4096維
softmax層：輸出為1000，輸出的每一維都是屬於該類別的概率。
4 deepid網路結構
deepid網路結構是香港中文大學的sun yi開發出來用來學習人臉特徵的卷積神經網路。每張輸入的人臉被表示為160維的向量，學習到的向量經過其他模型進行分類，在人臉驗證試驗上得到了97.45%的正確率，更進一步的，原作者改進了cnn，又得到了99.15%的正確率。
如下圖所示，該結構與imagenet的具體引數類似，所以只解釋一下不同的部分吧。
上圖中的結構，在最後只有一層全連線層，然後就是softmax層了。**中就是以該全連線層作為影象的表示。在全連線層，以第四層卷積和第三層max-pooling的輸出作為全連線層的輸入，這樣可以學習到區域性的和全域性的特徵。
（1）在矩陣a中
m為卷積核個數，k=k*k，等於卷積核大小，即第乙個矩陣每行為乙個卷積核向量（是將二維的卷積核轉化為一維），總共有m行，表示有m個卷積核。n=（（image_h + 2*pad_h – kernel_h）/stride_h+ 1）*（（image_w +2*pad_w – kernel_w）/stride_w + 1）
image_h：輸入影象的高度
image_w：輸入影象的寬度
pad_h：在輸入影象的高度方向兩邊各增加pad_h個單位長度（因為有兩邊，所以乘以2）
pad_w：在輸入影象的寬度方向兩邊各增加pad_w個單位長度（因為有兩邊，所以乘以2）
kernel_h：卷積核的高度
kernel_w：卷積核的寬度
stride_h：高度方向的滑動步長；
stride_w：寬度方向的滑動步長。
因此，n為輸出影象大小的長寬乘積，也是卷積核在輸入影象上滑動可擷取的最大特徵數。
k=k*k，表示利用卷積核大小的框在輸入影象上滑動所擷取的資料大小，與卷積核大小一樣大。
矩陣c為矩陣a和矩陣b相乘的結果，得到乙個m*n的矩陣，其中每行表示乙個輸出影象即feature map，共有m個輸出影象（輸出影象數目等於卷積核數目）舉個例子（方便理解）：
假設有兩個卷積核為與，因此m=2，kernel_h=2，kernel_w=2，k= kernel_h * kernel_w=4
輸入影象矩陣為，因此image_h=3，image_w=3，令邊界擴充套件為0即pad_h=0，pad_w=0，滑動步長為1，即stride_h=1，stride_w=1
故n=[(3+2*0-2)/1+1]*[ (3+2*0-2)/1+1]=2*2=4
a矩陣（m*k）為（一行為乙個卷積核），b矩陣（k*n）為（b矩陣的每一列為乙個卷積核要卷積的大小）
a 矩陣的由來：：：
b矩陣的由來：（caffe 有 imtocol.cpp**，專門用於實現）
c=a*b=*=
c中的與分別為兩個輸出特徵影象即feature map。驗證了 有幾個卷積核就有幾個feature map
在caffe原始碼中，src/caffe/util/math_functions.cu（如果使用cpu則是src/util/math_functions.cpp）中的caffe_gpu_gemm()函式，其中有兩個矩陣a（m*k）
與矩陣 b（k*n），大家可以通過輸出m、k、n的值即相應的矩陣內容來驗證上述的原理，**中的c矩陣與上述的c矩陣不一樣，**中的c矩陣儲存的是偏置bias，
是a 與b相乘後得到m*n大小的矩陣，然後再跟這個儲存偏置的矩陣c相加完成卷積過程。如果是跑mnist訓練網路的話，可以看到第乙個卷積層卷積過程中，
m=20，k=25，n=24*24=576。
（對於他給出的ppt上的c表示影象通道個數，如果是rgb影象則通道數為3，對應於caffe**中的變數為src/caffe/layers/base_conv_layer.cpp中
函式forward_gpu_gemm中的group_）關於卷積層的輸入輸出通道數問題
卷積層的輸入是一張或者多張，有可能是單通道或者多通道，但不管是單通道還是多通道，經過卷積層後，得到的輸出map都是單通道的特徵圖。1 假如輸入1張，通道數為5，那麼在設計卷積核的時候，對應的卷積核的通道數也因該是5 import tensorflow as tf input tf.variable ...
動手學深度學習 5 3 多輸入通道和多輸出通道
前面兩節裡我們用到的輸入和輸出都是二維陣列，但真實資料的維度經常更高。例如，彩色影象在高和寬2個維度外還有rgb 紅 綠 藍 3個顏色通道。假設彩色影象的高和寬分別是 hh h 1 1 2 2 4 3 5 4 0 0 1 1 3 2 4 3 56 圖5.4 含2個輸入通道的互相關計算 接下來我們實現...
三通道輸入一通道輸出實現三路觸控功能
華誠hc8t046p觸控ic有4個輸入 輸出管腳，所以最大可以實現三通道輸入。用這顆ic實現三通道觸控的最大難點在於只有乙個通道負責輸出，三個通道三種波形，如果對波形識別不準確就會導致竄鍵的產生。p10 p13是4個輸入 輸出管腳 ic定製p10 p11 p13觸控輸入管腳，p12為pwm輸出管腳。...