卷积的in_channel与out_channel
刚学时写的很浅显的文章，建议大家看
更加全面，讲的也很好
在我们平时看的网络结构当中，由于卷积核的深度往往与输入的深度相同，因此往往会省略。
例如输入的是一张RGB的图片，可以这样来表示（512×512×3），512×512代表图片的大小（512*512个像素点），而RGB图像的深度有三层。
那么要想与这样的一张RGB图像进行卷积操作就意味着卷积核的深度也为3层，图像的第一层与卷积核的第一层进行卷积，第二层与卷积核的第二层进行卷积，第三层与第三层进行卷积，分别卷积后再进行累加：
每一层分别卷积之后进行累加，得到一层的输出。
最后的输出的结果也就是特征层的深度为1.
如果这张图片和多个卷积核进行卷积计算，那么输出的层数也就会增加（这也就是输出通道的个数）
卷积核的个数=输出通道
而输入通道等于输入的深度（而卷积核的深度与输入的深度一样（为了每一层对应计算嘛），因此卷积核的输入通道往往省略不写）。
上一篇：
通过多线程提高代码的执行效率例子
下一篇：
idea怎样创建一个java项目?