卷积核、滤波器、卷积层

1. 一层layer可以有多个通道channel（或者说特征图）如果输入的是一个RGB图像，那么就会有3个通道。
2. "kernel"是被用来描述”filter”的结构。
3. 一个"kernel"更倾向于是2D的权重矩阵。而'filter"则是指多个Kernel堆叠的3D结构。如果是一个2D的filter，那么两者就是一样的。但是一个3Dfilter, 在大多数深度学习的卷积中，它是包含kernel的。每个卷积核都是独一无二的，主要在于强调输入通道的不同方面。

卷积核、滤波器举例：

输入是一个5x5x3的矩阵，有三个通道。filter是一个3x3x3的矩阵。首先，filter中的每个卷积核分别应用于输入层的三个通道。执行三次卷积，产生3个3x3的通道。

 

 然后，这三个通道相加（矩阵加法），得到一个3x3x1的单通道。这个通道就是在输入层(5x5x3矩阵）应用filter(3x3x3矩阵）的结构。

4.值得注意的是，输入层和filter有相同的深度（通道数量=卷积核数量）。3Dfilter只需要在2维方向上移动，图像的高和宽。这也是为什么这种操作被称为2D卷积，尽管是使用3D滤波器来处理3D数据。在每一个滑动位置，我们执行卷积，得到一个数字。

5.什么是卷积层：多个滤波器叠加便成了卷积层