CNN卷积层特征图数量疑问：为何后续层输出数不符预期？

嘿，你的理解确实存在一点小偏差，咱们把这个事儿说透～

首先纠正核心误解：你可能误以为每个输入特征图会单独生成若干个输出特征图，但实际上每个输出特征图是由所有输入特征图共同计算得到的，不是单输入特征图的单独映射。

拿你提到的例子具体解释：

• 当池化后的6个特征图输入到下一个卷积层时，这个卷积层的每个滤波器（卷积核）不是单通道的，而是6通道的卷积核（通道数和输入特征图数量完全一致）。
• 计算过程中，这个6通道的卷积核会分别和输入的6个特征图做卷积运算，然后把这6个卷积的结果相加，最终得到1个单通道的输出特征图。
• 想要生成16个输出特征图，只需要在这个卷积层设置16个这样的6通道卷积核就可以了——每个卷积核对应生成1个输出特征图，和输入特征图数量没有“每个输入对应几个输出”的绑定关系。

刚好你说的这个结构就是经典的LeNet-5，它的设计完全符合这个逻辑：第一个卷积+池化后输出6个特征图，第二个卷积层用16个6通道卷积核，最终输出16个特征图，完全合理。

再提炼一下关键结论：

• 卷积层的输出特征图数量，只由你设置的卷积核总数决定。
• 每个卷积核的通道数等于输入特征图的数量，每个卷积核独立生成一个输出特征图，和输入特征图数量没有乘法约束。

内容的提问来源于stack exchange，提问作者Fcoder