理解tf.layers.conv2d的输入输出张量变换及相关疑问

哈哈，我刚入门卷积神经网络的时候也犯过和你一样的错误！咱们一步步把这个逻辑理清楚：

核心误解澄清 #

你之前以为输入通道数会和滤波器数量相乘得到输出通道数，这是把卷积层和全连接层的逻辑搞混了。卷积层的输出通道数只由filters参数决定，和输入通道数没有直接的乘法关系。

拆解MNIST教程里的例子 #

先看你给出的代码：

conv2 = tf.layers.conv2d(
    inputs=pool1,  # 形状 [batch_size, 14, 14, 32]
    filters=64,
    kernel_size=[5, 5],
    padding="same",
    activation=tf.nn.relu
)

这里的每个“滤波器”其实是一个5x5x32的张量——它会覆盖输入的所有32个通道，对整个输入做卷积运算，最终输出一张14x14的单通道特征图。而我们设置了filters=64，就相当于有64个这样独立的滤波器，每个都输出一张特征图，最后把这64张特征图堆叠起来，就得到了形状为[batch_size, 14, 14, 64]的输出张量。

你的问题解答 #

当输入张量形状为[batch_size,14,14,48]时，用同样的参数（filters=64、kernel_size=[5,5]、padding="same"），输出张量的形状会是：
[batch_size, 14, 14, 64]

原因很简单：每个滤波器会变成5x5x48的尺寸（覆盖所有48个输入通道），64个滤波器各自输出一张14x14的特征图，堆叠后就是64个输出通道。

再补个通俗解释 #

可以把输入的每个通道理解成“观察输入的不同角度”，每个滤波器就是一个“特征探测器”——它会同时从所有角度观察输入，然后输出一个它检测到的特定特征（比如边缘、纹理）。你设置64个滤波器，就相当于让模型同时检测64种不同的特征，所以输出通道数就是64，和输入通道数无关。

内容的提问来源于stack exchange，提问作者tinyMind