卷积神经网络，第二个卷积层如何在第一个池化层上工作

Question

我正在阅读 TensorFlow 网站上的材料：

https://www.tensorflow.org/tutorials/layers

假设我们有 10 张灰度单色 28x28 像素图像，

1. 如果我们在第一个卷积层中应用 32 个 5x5 卷积滤波器（填充为 0），我们将得到 10*32*28*28 数据。
2. 如果我们在第一个池中应用步幅为 2 的 2x2 最大池，我们会得到 10*32*14*14 数据。
3. 至此，一张图像就变成了14*14大小、32通道的图像。

那么，如果我们应用第二个卷积层（比方说链接中的 64 个 5x5 滤波器），我们是否将这些滤波器应用到每个图像的每个通道并获得 10*32*64*14*14 数据？

Answer 1

是和否。您确实将过滤器应用于每个通道和每个图像，但您没有获得10*32*64*14*14输出尺寸。输出的维度将为10*64*14*14，因为该层指定每个图像 64 个输出通道。反过来，用于此卷积的权重将具有大小32*64*5*5（输入上的每个通道有 64 个 5×5 滤波器）。