有关通道的说法，哪些说法是正确的？
A: 卷积层的输入特征图的通道数和输出特征图的通道数是相同的
B: 通道数越多，获得的特征图越多，网络获得的特征越充分
C: 随着卷积网络深度的增加，一般使用更小的卷积核和更多的通道，兼顾训练速度和网络分类性能
D: 在卷积操作时，每个卷积核要对输入特征图的所有通道分别做卷积后求和，得到对应的新特征图
A: 卷积层的输入特征图的通道数和输出特征图的通道数是相同的
B: 通道数越多，获得的特征图越多，网络获得的特征越充分
C: 随着卷积网络深度的增加，一般使用更小的卷积核和更多的通道，兼顾训练速度和网络分类性能
D: 在卷积操作时，每个卷积核要对输入特征图的所有通道分别做卷积后求和，得到对应的新特征图
举一反三
- 有关卷积神经网络的说法错误的是（ ） A: 卷积神经网络的卷积操作一般不能跨通道 B: 对输入图像进行卷积操作，其卷积核的通道数可以与输入图像的通道数不一样 C: 基础的卷积神经网络一般包括卷积层、池化层和全连接层 D: 卷积的主要作用是提取特征，池化的主要作用是进行特征的筛选
- 在卷积神经网络LeNet-5的卷积层C3得到的特征图为16个，上一层的特征图为6个。则关于这一卷积过程的描述错误的是[img=658x440]1803b2fa207fe99.png[/img] A: C3卷积层中每个特征图只与上一层S2中部分特征图相连接 B: C3卷积层采用多通道16核卷积 C: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的若干特征图相连接 D: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的全部特征图相连接
- 下面关于卷积神经网络（CNN）的描述中，以下哪些说法是正确的？ A: 局部感知使网络可以提取数据的局部特征，而权值共享大大降低了网络的训练难度 B: 卷积核一般是有厚度的，即通道（channel），通道数量越多，获得的特征图（Feature map）就越多 C: 卷积是指对图像的窗口数据和滤波矩阵做内积的操作，在训练过程中滤波矩阵的大小和值不变 D: 等宽卷积是指卷积后的输出长度m与输入长度k一致，步长s=1，两端补零p=k−1。
- 中国大学MOOC: 假设卷积神经网络某隐层的特征图大小是17*17*8，其中8是通道数，使用大小为3*3的12个卷积核，步长为2，没有padding对此隐层进行操作，得到的特征图大小是？
- 卷积核与特征图之间是__1__ 关系,即一个输入图如果有六个卷积核心,就应该产生 六 个特征图