如何理解tensforflow

Question

我在看Deep MNIST for Experts專家MNIST例子，這裏有一個問題：

在本教程中，它建立第一卷積層代碼：

W_conv1 = weight_variable([5, 5, 1, 32]) 
b_conv1 = bias_variable([32]) 

在構建第二卷積層，下面的教程使用代碼：

W_conv2 = weight_variable([5, 5, 32, 64]) 
b_conv2 = bias_variable([64]) 

說：

第二層將爲每個5x5修補程序提供64個功能。

我不理解爲什麼的第三維度[5，5，32，64]爲32。

這是否意味着第二卷積層不與所述第一卷積層的所有32個輸出卷積？

但是，當檢查這個3D Visualization of a Convolutional Neural Network時，第二個卷積層的每個濾波器只是連接到第一個卷積層的一些輸出，我以前認爲這是幾個不同較低特徵的集成併產生一些更高的特徵，區別？

對不起，我的表情很糟糕，現在我很困惑。

謝謝！

Answer 1

卷積（至少在卷積神經網絡的情況下）通常是深度方向，這意味着新特徵映射的每個單元是特定內核和輸入特徵映射的對應部分之間的'點積'但是可以使用所有可用的頻道。