pytorch中，不同的kernel对不同的feature map进行卷积之后输出某一个channel对应的多个feature map如何得到一个channel的feature map

实际上在卷积操作的时候，比如说，我某一层输出的feature map的size为4713*13

channel的数目为7，设经过某卷积层之后，网络输出的feature map的channel的数目为17

从7个channel到17个channel，假设卷积核的kernel为33，那么这个卷积层的参数就有17733，那么，对于一个具体的操作而言

比如说，输出feature map有17个通道，对于输出feature map的第一个通道，是由其他7个kernel对输入的7个channel的feature map进行卷积之后，综合得到？

那么问题来了，什么是综合呢？是将所有的元素相加然后求和还是将所有的元素相加求平均？

来看代码

显然，是简单粗暴的相加得到输出的feature map某一个channel的值