在之前的文章中（卷積神經(jīng)網(wǎng)絡中為什么會有矩陣乘法？），我們提到的情形是只有一個通道的輸入數(shù)據(jù)，相應的，也就只有一個與之對應的Kernel。如果是多通道輸入數(shù)據(jù)，是否依然存在矩陣乘法呢？我們看下面的例子。

在這個例子中，有3個輸入通道（RGB），每個通道有與之對應的Kernel，此時的卷積運算并沒有本質(zhì)的變化，就每個通道而言，仍然是二維濾波器。將每個通道的輸出結(jié)果對應元素相加即為多通道情形下的卷積結(jié)果。這里可以設置偏置（Bias）。圖中的偏置值為1。此時，輸入為多通道，輸出為單通道。

進一步擴展，如果每個通道有多個與之對應的Kernel，會是什么情形呢？如下圖所示。圖中，每個通道有4個Kernel。從而，最終輸出有4個通道。輸出每個通道的計算方式與上圖保持一致。

基于以上兩圖，我們不難得出如下結(jié)論：

輸入通道與Kernel通道保持一致，例如上圖中有3個輸入通道和3個Kernel通道。

輸出通道個數(shù)與每個Kernel通道內(nèi)的濾波器個數(shù)一致，例如上圖中每個Kernel通道內(nèi)有4個濾波器，故輸出通道個數(shù)為4。

每個輸出通道所包含的元素個數(shù)與滑窗個數(shù)一致。這再次證明多通道本質(zhì)上與單通道的卷積運算是一致的。

現(xiàn)在，我們對輸入通道數(shù)據(jù)進行重組，如下圖所示方式。取出每個通道滑窗內(nèi)的數(shù)據(jù)，排成一列，最終構(gòu)成一個矩陣。

緊接著，將每個通道對應的Kernel也進行重組，如下圖所示方式。最終形成Kernel矩陣。與輸入通道數(shù)據(jù)重組不同的是這里將Kernel系數(shù)按行排列，每個Kernel通道內(nèi)濾波器的個數(shù)決定了行數(shù)。

至此，輸入數(shù)據(jù)和Kernel系數(shù)都被重組為矩陣，重組的目的就是為了滿足矩陣運算的需求，這樣就可以按照矩陣乘法計算卷積運算了。

責任編輯：lq