彩色图像卷积滤波后输出张量的形状
shape of an output tensor after convolutional filter on a colour image
我发现很难理解有关张量的概念。
对于 VGG (https://www.tensorflow.org/api_docs/python/tf/keras/applications/VGG16)，我们从一批彩色图像 (none,224,224,3) 开始，应用 64 个 2D 卷积滤波器。
在输出中我们得到一个张量 (none,224,224,64)，我们可以通过对模型进行总结来看出这一点。
但是，过滤器必须处理所有 3 种颜色，我的直觉告诉我应该有一个输出张量 (none,224,224,3,64)。
有人可以向我解释为什么我的推理是错误的吗？
谢谢你的解释。
所有过滤器都有形状
(kernel_height, kernel_width, input_channels)
当他们使用 'SAME' 填充传递您的输入数据时，输出形状结果为
(input_height, input_width)
而且，对于所有过滤器，所以
(input_height, input_width, n_filters)
我发现很难理解有关张量的概念。 对于 VGG (https://www.tensorflow.org/api_docs/python/tf/keras/applications/VGG16)，我们从一批彩色图像 (none,224,224,3) 开始，应用 64 个 2D 卷积滤波器。 在输出中我们得到一个张量 (none,224,224,64)，我们可以通过对模型进行总结来看出这一点。 但是，过滤器必须处理所有 3 种颜色，我的直觉告诉我应该有一个输出张量 (none,224,224,3,64)。 有人可以向我解释为什么我的推理是错误的吗？ 谢谢你的解释。
所有过滤器都有形状
(kernel_height, kernel_width, input_channels)
当他们使用 'SAME' 填充传递您的输入数据时，输出形状结果为
(input_height, input_width)
而且，对于所有过滤器，所以
(input_height, input_width, n_filters)