Conv2D方法如何过滤另一个Conv2D层输出的特征图？

Question

我不明白第二个Conv2D层的20个过滤器如何过滤第一个Conv2D层输出的10个特征图。 20 个过滤器中的每一个是否都过滤 10 个特征图（从第一个 Conv2D 层输出）中的每一个？如果是这样，为什么第二个 Conv2D 层的输出不是 20 X 10 = 200 个特征图？相反，第二个 Conv2d 层的输出似乎是 20 个特征图（无、8、8、20），如下图所示。

这来自 David Foster 的《生成深度学习》文本

input_layer = layers.Input(shape=(32,32,3))
conv_layer_1 = layers.Conv2D(
   filters = 10
   , kernel_size = (4,4)
   , strides = 2
   , padding = 'same'
   )(input_layer)
conv_layer_2 = layers.Conv2D(
    filters = 20
   , kernel_size = (3,3)
   , strides = 2
    , padding = 'same'
   )(conv_layer_1)
flatten_layer = layers.Flatten()(conv_layer_2)
output_layer = layers.Dense(units=10, activation = 'softmax') 

（展平层） 模型 = models.Model(输入层, 输出层)

• 层（类型）输出形状参数#

输入层（无、32、32、3）0

Conv2D（无、16、16、10）490

Conv2D（无、8、8、20）1,820

压平（无，1280）0

密集（无，10）12,810

Answer 1

第一个

conv2D

的输出大小为

?x16x16x10

，后面是大小为

20

的

3x3x10

过滤器。

对于

?

维度的每个切片，例如样本数量，

16x16x10

与过滤器

3x3x10

进行卷积，但要执行

20

次（因为有

20

不同的过滤器）。给定参数

padding = 'same'

和

strides = 2

，每个卷积切片

ceil(16/2)xceil(16/2)=8x8

的大小（您可以参考这篇文章进行计算），而

20

时间过滤将维度扩展到

8x8x20

。