特徵通道

特徵通道是特徵體積的深度維度——某一層上特徵圖的堆疊。如果高與寬是「在哪裡」，那麼通道就是「是什麼」：每個通道是一個濾波器的輸出，因此是一個不同的、學出來的特徵偵測器。形狀為 (C, H, W) 的張量，最好讀成 C 張各自獨立的 H 乘 W 影像，每一張在它自己的特徵出現之處亮起。在輸入端，通道是原始的顏色平面（RGB 為 3 個）；在網路內部，它們是抽象的、學出來的特徵。

精確地說，通道數是每一層設定的「寬度」超參數。一個卷積層取 C_in 個輸入通道、產生 C_out 個輸出通道，其中每個輸出通道由一個「一次讀入全部 C_in 個輸入通道」的濾波器算出。通道數通常隨深度增長（例如 ResNet 的 64、128、256、512），因為網路以空間解析度（透過步幅／池化縮小 H、W）換取表示的豐富度（更多、更抽象的特徵）——形成一個讓每層運算量大致平衡的金字塔。

通道並非互不相通的孤島：卷積會明確地混合它們，因為每個濾波器都跨所有輸入通道相加，而 1x1 卷積之所以存在，正是為了便宜地重新組合通道。這種通道混合，正是網路把簡單特徵組合成複雜特徵之處（把一個邊緣通道與一個顏色通道組合成一個「紅色邊界」通道）。現代架構會刻意管理通道——瓶頸區塊先把通道擠小再擴張、squeeze-and-excitation 依全域重要性對通道重新加權、而分組／深度卷積則限制哪些通道彼此交談以節省運算。