大家好，今天小编关注到一个比较有意思的话题，就是关于255鱼缸潜水泵的问题，于是小编就整理了1个相关介绍255鱼缸潜水泵的解答，让我们一起看看吧。
如何理解卷积神经网络里卷积过滤器的深度问题？
我们通常看到的卷积过滤器示意图是这样的：
（图片来源：cs231n）
这其实是把卷积过滤器“压扁”了，或者说“拍平”了。比如，上图中粉色的卷积过滤器是3x3x3，也就是长3宽3深3，但是示意图中却画成二维——这是省略了深度（depth）。
实际上，卷积过滤器是有深度的，深度值和输入图像的深度相同。也正因为卷积过滤器的深度和输入图像的深度相同，因此，一般在示意图中就不把深度画出来了。如果把深度也画出来，效果大概就是这样：
（图片来源：mlnotebook）
如前所述，卷积过滤器的深度和输入图像的深度相同，都是3。
顺便说下，输入图像深度为3，是因为输入图像是彩色图像，深度为3，分别为R、G、B值。
作为对比，灰度图像的卷积过滤器是这样的（真2D）：
（图片来源：mlnotebook）
总之，卷积过滤器的深度和输入数据的深度保持一致就可以了。
滤波器是一种3维结构（滤波器的概念其实就是层），它由多个卷积核组成，所以具有深度。这里的深度是对于通道而言，比如彩色图像是3通道，黑白图像是1通道，所以彩色图像的深度是3，黑白是1。当输入C*H*W的图像时（H：长，W：宽，C：通道数），那么滤波器如何对这张图像进行特征提取呢？就是用每个卷积核和图像的每个通道的空域进行计算。由于输入了C通道的图像，所以为了所有通道都能参与进来，所以需要C个卷积核，也就是说1个滤波器的深度和输入图像的深度是相同的。C个卷积核一一对应着C个通道，计算出了C个结果后，通过一定的机制融合，最终1个滤波器输出了1个结果。当然，卷积操作会有多个滤波器参与，这样就可以提取到不同尺度的特征。
简单来说，滤波器的深度就是卷积核的数量，值相等于输入数据的通道数。
到此，以上就是小编对于255鱼缸潜水泵的问题就介绍到这了，希望介绍关于255鱼缸潜水泵的1点解答对大家有用。