我在自学一本关于卷积神经网络的书时，作者提到

卷积操作从输入特征图中提取块，并对所有这些块应用相同的变换，产生一个输出特征图。这个输出特征图仍然是一个3D张量：它有宽度和高度。它的深度可以是任意的，因为输出深度是层的参数，并且深度轴上的不同通道不再代表像RGB输入那样的特定颜色；相反，它们代表滤波器。

我不明白的是关于输出特征图中深度参数发生了什么？它是如何变成滤波器的？据我所知，滤波器是用于检测边缘、形状等的矩阵。

谁能解释一下吗？

回答：

考虑卷积网络的第一层，它输入的是RGB（即3个通道）的图像，并输出K个特征图（即一个大小为batch_size, K, width, height的张量）。这K个通道中的每个单一通道都是由其自身的卷积滤波器生成的。也就是说，第i个通道是由权重和偏置为W_i, b_i的滤波器生成的。因此，在文献中，有时会看到这种语言上的滥用：有些作者不会说输出中的第i个通道，而是直接说第i个滤波器。