通常，我们设置输入图像的’高度’、’宽度’和’通道’。

在’通道’中，我们为灰度图像设置1，为RGB图像设置3。

我的问题是，这些通道是否应该使用同一张图片？如上所述。

还是我可以将一系列图像设置为通道？

（例如，我在某一时刻有10张空间上离散的图像，所以我将通道设置为10作为一个输入）

这样做会有什么问题吗？这是正确的做法吗？

还是我应该为这10张图像设置10个输入？

感谢您的回答！

回答：

不，这不会相同，因为输入层的通道数决定了卷积滤波器的形状，从而决定了参数的数量以及它们如何应用。

比较这两个卷积网络：

• [32x32x3] 输入形状，batch_size=5，5x5 感受野，那么卷积层中的每个神经元将具有权重到输入体中的一个 [5x5x3] 区域，总共有 5*5*3 = 75 个权重（再加上1个偏置参数）。
• [32x32x15] 输入形状，batch_size=1，相同的 5x5 感受野，那么每个神经元将具有权重到一个 [5x5x15] 区域，总共有 5*5*15 = 325 个权重（同样加上1个偏置参数）。

在这两种情况下，两个卷积层都看到了15张RGB图像，但第二个网络将使用5倍的参数来学习相同的数据，而第一个网络将为不同的图像重用相同的参数。还要注意，第二个网络将为每张第一张图像、每张第二张图像等分配专用的参数。

显然，第一个方法更好，不仅因为它节省了资源，而且它对批次中训练图像的顺序不变。