使用单个卷积核的卷积层如何将三通道输入转换为单通道输出

很多人对这个流程的误解本质是搞错了卷积核的维度结构，整个运算流程没有额外的复杂变换，核心是靠卷积核本身的三维结构实现跨通道聚合，具体计算流程如下：

• 完成维度强制匹配：三通道输入特征的形状为(H, W, C_in=3)，对应配置的1个卷积核不是二维矩阵，而是和输入通道深度一致的三维权重张量，形状为(k_h, k_w, C_in=3)，这是整个运算能跑通的核心前提——权重的通道维度必须和输入通道数严格相等，不存在深度方向的不匹配。
• 逐空间位置的分通道局部计算：卷积核按照设定的步长、padding规则在输入特征图上滑动，每停在一个空间位置时，截取当前位置覆盖到的三个输入通道的(k_h, k_w)大小局部块，将每个通道的局部块分别和卷积核对应通道的权重矩阵做逐元素乘法，计算得到每个通道内的乘积累计值。
• 跨通道聚合生成单像素值：将三个通道得到的乘积累计值做求和，再加上这个卷积核专属的1个偏置参数，最终得到输出特征图上对应空间位置的像素值。
• 全位置遍历得到最终输出：卷积核滑完所有符合尺寸要求的位置后，生成的整张特征图就是最终的单通道输出，形状为(H_out, W_out, C_out=1)。

程序实现必须遵守的具体运算规则 #

• 禁止提前跨通道全局融合输入：不要先把三通道输入按固定权重加权成单通道二维图，再和二维卷积核做二维卷积——这是传统图像处理的卷积逻辑，不是深度学习Conv层的标准实现，后者的跨通道聚合是在每个局部卷积窗口内完成的，不是对整张输入图先做全局融合。这也是最容易踩的实现坑：如果用“三通道先转灰度再做二维卷积”的逻辑写代码，得到的结果和主流深度学习框架的标准Conv层输出完全不等价。
• 维度顺序严格对齐：输入特征的通道顺序、卷积核权重的通道顺序必须一一对应，比如输入通道顺序是[R, G, B]，卷积核三个通道的权重也必须分别和R、G、B通道对齐，顺序错乱会导致特征语义完全错误。
• 输出参数的匹配规则：因为仅配置1个卷积核，整个卷积层的可训练偏置仅为1个标量，会被加到所有空间位置的输出值上，不存在逐空间位置的独立偏置。
• 空间尺寸计算逻辑和多通道卷积完全一致：输出的高、宽尺寸直接套用卷积通用公式计算：H_out = floor((H + 2*padding - k_h)/stride) + 1、W_out = floor((W + 2*padding - k_w)/stride) + 1，不会因为输出通道数为1改变padding、步长的计算逻辑。

内容的提问来源于stack exchange，提问作者Emmanuel