3つのカラーチャネルを使用した画像の畳み込み/プールを想像するには

Question

私は初心者です。私はmnistチュートリアルを理解しました。今私はSVHNデータセットに何かをつけたいと思っています。 mnistとは対照的に、3つのカラーチャンネルが付属しています。私は畳み込みとプールが色チャンネルの追加の次元でどのように機能するかを視覚化するのに苦労しています。

誰かが私のためにそれについての良い考え方やリンクを考えていますか？

私はすべての入力に感謝:)

Answer 1

これは非常に単純ですが、違いは唯一最初の畳み込みにある：グレー画像で

• 、入力形状は、（[batch_size, W, H, 1]ので、あなたの最初の畳み込みでありますたとえば、3次元3次元）の場合、32次元の寸法を持つ場合は、形状が[3, 3, 1, 32]のフィルタがあります。
• RGB画像では、入力形状は[batch_size, W, H, 3]です。したがって、最初のコンボリューション（まだ3x3）には、形状が[3, 3, 3, 32]のフィルタがあります。どちらの場合も

、（ストライド1）出力形状が[batch_size, W, H, 32]