深度学习中feature map是什么？

深度学习中feature map是什么？

在每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层和每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map。

在CNN的设定里，Feature Map是卷积核卷出来的,你用各种情况下的卷积核去乘以原图，会得到各种各样的feature map。

个人理解：从多角度去分析图片，不同的特征提取（核）会提取到不同的feature，模型为了达到最优解的目的，来找到能解释现象的最佳的一组卷积核。主要是和卷积核(kernel)区分开，kernel是要算的那个w权重矩阵，而feature map 是输入或者输出。