我正在按照TensorFlow的“Deep MNIST for Experts”教程进行学习：https://www.tensorflow.org/tutorials/mnist/pros/

第二卷积层的形状为[5, 5, 32, 64]，也就是说，它有32个输入，而第一卷积层只有1个输入（我理解这个输入是原始图像的灰度值）。

第二卷积层有32个输入通道意味着什么？这是否意味着在第二层学习的64个滤波器将全部应用（移动）到一个“虚拟”图像上，该图像每个像素有32个点（这个“虚拟”图像由原始图像组成，每个在第一步中学习的滤波器都已应用于其上）？如果我之前说的正确，那么如何将一个2D的5×5滤波器应用到一个每个像素有32个点/值的图像上呢？

回答：

第一卷积层的权重如下：

W_conv1 = weight_variable([5, 5, 1, 32])

这里5x5是补丁大小，1是输入通道的数量，32是输出通道的数量。因此，在第一次卷积后，输出有32个通道，所以第二卷积层的权重矩阵的形状具有32个输入通道。