我正在使用Tensorflow学习卷积神经网络。
我对tf.nn.conv2d有些疑问。它的一个参数是filter：
形状为[filter_height, filter_width, in_channels, out_channels]的滤波器/内核张量
我不明白out_channels的含义是什么。
假设输入图像是[1, 3, 3, 1]。所以大小是3×3，通道数是1。
然后我们有一个滤波器[2, 2, 1, 5]，这意味着经过滤波后，我们将得到一个大小为2×2（“valid”填充）的图像，具有5个通道。
这5个通道是从哪里来的？根据我的理解，滤波只能生成1个通道。Tensorflow在这里使用了5个不同的滤波函数吗？
回答：
正如你所引用的，tf.nn.conv2d函数的filter参数是一个维度为[filter_height, filter_width, in_channels, out_channels]的4D张量。这个张量代表了out_channels个维度为filter_height x filter_width的滤波器堆栈，这些滤波器将应用于具有in_channels个通道的图像上。
参数filter_height、filter_width和out_channels是由你定义的，而input_channels则取决于你输入到tf.nn.conv2d的输入数据。
换句话说，一个维度为[2, 2, 1, 5]的滤波器张量，代表了5个不同的2×2滤波器，这些滤波器将应用于一个1通道输入上，但你完全可以将其更改为[2, 2, 1, 7]，或者任何其他能给你带来更好结果的设置。
为了进一步说明，以下gif展示了一个维度为[3, 3, 1, 1]的张量滤波器在[1, 5, 5, 1]的图像上进行卷积。这意味着你只有1个滤波器在图像上进行卷积。
