1.卷積層，卷積核，通道概念及作用
卷積層：又稱濾波器（filter）或者內核（kernel）,TensorFlow文檔中稱之爲濾波器（filter）。用於對輸入的圖像結構進行特徵提取。
卷積核：同上卷積層。
通道：指濾波器的個數。輸出的通道層數只與當前濾波器的通道個數有關。
其中輸入層，黑白圖像的通道數爲1，彩色圖像的濾波器個數爲3（RGB）
2.卷積過程
如圖一（源於網絡）所示（彩色圖像爲例）：
如圖所示，輸入層的圖像爲6*6*3，3表示RGB各一層，現在使用的是通道數爲2 ，濾波器爲2的卷積層去進行卷積操作。
解釋：
（1）濾波器的個數爲什麼等於2：因爲圖中黃色部份爲濾波器所以爲2
（2）爲什麼濾波器是3*3*3：前兩個參數表示濾波器的寬高爲自己設定，這裏假設爲3*3，最有一個參數爲輸入數據的通道數，由於輸入數據爲三通道，所以本例最後一個參數爲3（若爲黑白圖像則第一次的通道式爲1，即3*3*1）
（3）爲什麼卷積後會變成藍色4*4*1：這裏使用到的步長爲1（即濾波器的每次移動步長爲1），然後每次卷積完對本次濾波器上的值進行相加得到一個濾波器，還記得上邊說的輸出的通道數只與濾波器的通道數有關嗎？這裏就是，有兩個通道的濾波器，所以會產生藍紫色的方陣。
寫到這裏可能有小夥伴會問：黃色的濾波器的通道數不是爲3嗎？
其實是的，黃色濾波器的個數的確爲3，不然也不能對彩色輸入圖像進行卷積操作。但是這裏的濾波器的通道數的意思是產生兩個黃色的3*3*3的方陣，圖中產生了兩個黃色的方陣，所以說濾波器的通道數爲2，而每一個濾波器層爲了和上面的輸出數據進行卷積提取特徵，所以每一個濾波器的通道數與提取數據的通道數相同。
小夥伴們可以猜猜下次每一個濾波器層應該爲幾個通道？（黃色的方塊應該是m*m*n）n等於幾呢
答案是：n=2,因爲本次卷積完只剩下了藍紫兩個方陣了。
卷積層參數個數=h*w*l*c 參數含義：h,w爲濾波器的寬高本次爲（3*3），l爲輸入數據的通道數本次爲3，c爲卷積層的通道數本次爲2，所以本例的參數個數爲3*3*3*2