我的问题是关于每个卷积层后特征图的数量。根据我的学习，在每个卷积层中，基于我们所需的滤波器，我们会得到相应数量的特征图。但在一些教程中，我遇到了某些架构并不遵循这一规则。例如，在这个例子中：

第一个卷积层经过池化后的输出是6个特征图（红色线）。使用这些特征图在下一层的卷积中，产生了16个新的特征图（绿色线），这是怎么做到的呢？之前层级的每个特征图应该生成1,2,3…个新特征图，我们不应该在下一层得到16个新特征图。这怎么发生的？我的假设不对吗？

回答：

第二个卷积层的工作原理如下：

• 输入矩阵形状：6@14×14（6个通道 – 这是前一个（第一个）卷积步骤应用6个滤波器的结果）
• 6@14×14的输入矩阵将使用16个滤波器进行卷积（每个滤波器应有6个通道以匹配输入矩阵的通道数）
• 这将产生16@5×5的输出矩阵

注意：输入矩阵的通道数和每个滤波器的通道数必须匹配，以便能够进行逐元素乘法运算。

因此，第一和第二卷积之间的主要区别在于，第一卷积的输入矩阵的通道数是1，所以我们将使用6个滤波器，其中每个滤波器只有一个通道（矩阵的深度）。

对于第二卷积，输入矩阵有6个通道（特征图），因此每个用于此卷积的滤波器也必须有6个通道。例如：每个16个滤波器将具有6@3x3的形状。

对于一个6@3x3形状的单个滤波器的卷积步骤的结果将是一个WxH（宽度，高度）形状的单个通道。在应用所有16个滤波器（每个滤波器的形状为6@3x3）后，我们将得到16个通道，每个通道是单个滤波器卷积的结果。