我们如何计算卷积输出的深度？
How we calculate the Depth of Convolution Output?
我们如何在 Conv 输出中获得特征图数（深度 H）
我认为 H = D * 过滤器数量 !!
H可以自由选择。它不依赖于任何其他参数。
每个 H "feature maps" 将由不同的 k x k x D 内核生成。这通常被描述为形状为 H x k x k x D 的单个 4D 内核。
在源文本中它说了同样的话，但也许更清楚：
The input is of size N x N x D and is convolved with H kernels, each of size k x k x D separately. Convolution of an input with one kernel produces one output feature, and with H kernels independently produces H features.
术语一开始可能会令人困惑，因为有多个术语用于同一事物。 H 可以称为内核数，或过滤器数，或输出特征数或过滤器映射的数量。
我们如何在 Conv 输出中获得特征图数（深度 H）
我认为 H = D * 过滤器数量 !!
H可以自由选择。它不依赖于任何其他参数。
每个 H "feature maps" 将由不同的 k x k x D 内核生成。这通常被描述为形状为 H x k x k x D 的单个 4D 内核。
在源文本中它说了同样的话，但也许更清楚：
The input is of size N x N x D and is convolved with H kernels, each of size k x k x D separately. Convolution of an input with one kernel produces one output feature, and with H kernels independently produces H features.
术语一开始可能会令人困惑，因为有多个术语用于同一事物。 H 可以称为内核数，或过滤器数，或输出特征数或过滤器映射的数量。