Conv2D层对前一层特征图的过滤逻辑及输出通道数疑问

你提的这个问题是理解卷积层时非常常见的误区，我来给你掰碎了说清楚：

核心逻辑是：每个Conv2D层的滤波器会同时作用于前一层的所有输入通道，而不是每个通道单独对应一个滤波器。

具体到你的例子： #

• 第一层Conv2D输出了10个通道的特征图，所以第二层Conv2D的每个滤波器的深度和输入通道数完全一致——也就是每个滤波器的形状是(3,3,10)，而不是你误以为的(3,3,1)。
• 当这个滤波器在输入特征图上滑动时，会对每个位置的10个通道的像素值做加权求和（再加上该滤波器的偏置项），得到一个单一的数值——这个数值就是输出特征图对应位置的像素。
• 所以20个这样的滤波器，每个都会输出一个单通道的特征图，把这20个单通道特征图堆叠起来，就得到了最终的(None,8,8,20)输出，而不是20*10=200个通道。

用参数计算验证这个逻辑： #

你可以对照模型参数表的数值，完全能印证这个逻辑：

1. 第一层Conv2D（10个滤波器）：
   每个滤波器的参数是4*4*3（卷积核权重，对应输入3通道） + 1（偏置）= 49个参数
   10个滤波器总参数就是49*10=490，和表格里的Param # 490完全一致。
2. 第二层Conv2D（20个滤波器）：
   每个滤波器的参数是3*3*10（卷积核权重，对应输入10通道） +1（偏置）=91个参数
   20个滤波器总参数就是91*20=1820，正好匹配表格里的Param # 1820。

这就实锤了：每个滤波器是覆盖所有输入通道的，而不是和输入通道一一对应生成多个输出通道。

你提供的代码整理： #

input_layer = layers.Input(shape=(32,32,3))
conv_layer_1 = layers.Conv2D(
   filters = 10
   , kernel_size = (4,4)
   , strides = 2
   , padding = 'same'
   )(input_layer)
conv_layer_2 = layers.Conv2D(
    filters = 20
   , kernel_size = (3,3)
   , strides = 2
    , padding = 'same'
   )(conv_layer_1)
flatten_layer = layers.Flatten()(conv_layer_2)
output_layer = layers.Dense(units=10, activation = 'softmax')(flatten_layer)
model = models.Model(input_layer, output_layer)

模型结构参数表： #

参考配图： #

备注：内容来源于stack exchange，提问作者Steven Dascoli