深度学习入门 : 基于Python的理论与实现

7.2  卷积层 

211

需要注意的是，在3 维数据的卷积运算中，输入数据和滤波器的通道数

要设为相同的值。在这个例子中，输入数据和滤波器的通道数一致，均为3。

滤波器大小可以设定为任意值（不过，每个通道的滤波器大小要全部相同）。

这个例子中滤波器大小为

(

3, 3

)

，但也可以设定为

(

2, 2

)

、

(

1, 1

)

、

(

5, 5

)

等任

意值。再强调一下，通道数只能设定为和输入数据的通道数相同的值（本例

中为3）。

7.2.6

　结合方块思考

将数据和滤波器结合长方体的方块来考虑，3 维数据的卷积运算会很

容易理解。方块是如图7

-

10 所示的3 维长方体。把3 维数据表示为多维数组

时，书写顺序为（

channel

,

height

,

width

）。比如，通道数为C、高度为H、

长度为W 的数据的形状可以写成（

C

,

H

,

W

）。滤波器也一样，要按（

channel

,

height

,

width

）的顺序书写。比如，通道数为

C

、滤波器高度为

FH

（

Filter

Height

）、长度为

FW

（

Filter Width

）时，可以写成（

C

,

FH

,

FW

）。

H

FH

FW

W

OH

OW

(C, H, W) (C, FH, FW) (1, OH, OW)

C

C

输入数据 输出数据滤波器

图7-10　结合方块思考卷积运算。请注意方块的形状

在这个例子中，数据输出是1 张特征图。所谓1 张特征图，换句话说，

就是通道数为1 的特征图。那么，如果要在通道方向上也拥有多个卷积运算

  第 7章　卷积神经网络

212

的输出，该怎么做呢？为此，就需要用到多个滤波器（权重）。用图表示的话， ...