深度学习的一些原理
卷积计算
这个就是普通的卷积计算原理，输入有3个通道，输出有2个通道，没加**函数等。
如上图所示，输入有3个通道，输出有2个通道，也就是有2个卷积核（一个卷积核就是322）。对于每个卷积核，先在输入3个通道分别作卷积，再将3个通道结果加起来得到卷积输出。所以对于某个卷积层，无论输入图像有多少个通道，输出图像通道数总是等于卷积核数量！
（1）参数量就是：输入通道数卷积核的宽度卷积核的高度*输出通道数
（2）计算量：补0和不补0不一样
（3）总结：
<1>卷积核是3维的，其中一个维度是输入通道，另外两个维度是卷积核的宽度和高度；卷积核中一般不说长度，说高度。
<2>输出图像通道数总是等于卷积核数量。
参考：https://zhuanlan.zhihu.com/p/31426458
（4）卷积核的参数一般4个，
《1》卷积核大小，也就是宽，高；
《2》pad补0与否；
《3》跨度；
《4》输出通数。