卷积网络中颜色通道之间的相互作用是什么？
What is the interaction between color channels in a convolutional net?
我想知道颜色通道在卷积网络中是如何相互作用的：
将 2D 内核应用于每个单独的（颜色）通道导致独立输出，信息仅在全连接层中组合是否正确？
如果我想让我的网络利用不同通道中包含的信息，我可以使用带有 3D 内核的 3D 卷积吗？ （我正在解决一个不包括图像识别的任务，而是包括多个二维矩阵，每个矩阵都包含不同的信息——我想找到这些二维矩阵之间的某些相关性）
基于以上内容：Tensorflow 包含用于 2D 卷积的函数，它采用 [in_height、in_width、in_channels]-输入和 3D-采用 [in_height、in_width、in_depth、in_channels] 输入的卷积。如果我设置 [2,2,2]（例如；对于 2D）和 [2,2,2,1]（对于 3D），它们执行相同的操作吗？
谢谢
我想我明白了...
使用 2d conv 也将使用 3d 内核（跨通道），但是通道方向的步幅为零。从而产生一个二维矩阵作为输出。
使用 3d conv 将使用 3d 内核（横跨 h、w、d）并且在所有方向上都有进步。产生一个 3D 矩阵作为输出。
干杯
我想知道颜色通道在卷积网络中是如何相互作用的：
将 2D 内核应用于每个单独的（颜色）通道导致独立输出，信息仅在全连接层中组合是否正确？
如果我想让我的网络利用不同通道中包含的信息，我可以使用带有 3D 内核的 3D 卷积吗？ （我正在解决一个不包括图像识别的任务，而是包括多个二维矩阵，每个矩阵都包含不同的信息——我想找到这些二维矩阵之间的某些相关性）
基于以上内容：Tensorflow 包含用于 2D 卷积的函数，它采用 [in_height、in_width、in_channels]-输入和 3D-采用 [in_height、in_width、in_depth、in_channels] 输入的卷积。如果我设置 [2,2,2]（例如；对于 2D）和 [2,2,2,1]（对于 3D），它们执行相同的操作吗？
谢谢
我想我明白了...
使用 2d conv 也将使用 3d 内核（跨通道），但是通道方向的步幅为零。从而产生一个二维矩阵作为输出。
使用 3d conv 将使用 3d 内核（横跨 h、w、d）并且在所有方向上都有进步。产生一个 3D 矩阵作为输出。
干杯