3D卷积神经网络中的C代表什么，D代表什么？两者有什么区别

3D卷积神经网络中的C代表什么，D代表什么？两者有什么区别

https://pytorch.org/docs/stable/generated/torch.nn.Conv3d.html

结论：

C 就是channel； RGB三个通道，

D 就是Dimension；维度，除了宽高之外，还有一个时间维度。

在深度学习中，你可以把一个二维图像，经过一个卷积和，变成高维图像。这里改变的就是Channel。

我的心得：在3D卷积神经网络上，就把D理解成3就行了，RGB三个维度。然后C呢理解成时间窗，或者理解成高度。

参考资料：

https://blog.csdn.net/orDream/article/details/106342711

医学图像数据：

这里参数Input_shape（128，128，128，3）有4个维度。3D图像是4维数据，其中第四维代表颜色通道的数量。就像平面2D图像具有3维一样，其中3维代表色彩通道。参数kernel_size（3,3,3）表示内核的（高度，宽度，深度），并且内核的第4维与颜色通道相同。

• 在1D CNN中，内核沿1个方向移动。1D CNN的输入和输出数据是2维的。主要用于时间序列数据。
• 在2D CNN中，内核沿2个方向移动。2D CNN的输入和输出数据是3维的。主要用于图像数据。
• 在3D CNN中，内核在3个方向上移动。3D CNN的输入和输出数据是4维的。通常用于3D 图像数据（MRI，CT扫描）。

最终我的理解，如下图：

既可以对通道数进行升维，又可以对每个体素进行卷积。