在CNN(1)和CNN(2)两篇文章中，主要说明的是CNN的基本架构和权值共享(Weight Sharing)，本文则重点介绍卷积的部分。
首先，在卷积之前，我们的数据是4D的tensor（width,height,channels,batch），在CNN(1):Architecture一文中，曾经提到过。这里的通道，和之前所说的depth是一个概念，例如一张Grey Scale Image，其通道数为1；RGB图的通道数为3。
而事实上，kernel也是有channel的，并且其数量与输入tensor的通道数一致。如下图的RGB图像，有3个通道，在卷积过程中我们使用5个kernel。
那么，到底有多少feature map？有很长一段时间，我的答案是15个feature map。但实际上，答案是5个（和kernel的数量一致）。如图示，Kernel也有3个通道，分别与RGB三个通道进行卷积后，生成了3个单通道卷积结果，而后三个结果相加得到feature map。而在此卷积层中，kernel是我们唯独需要“学习”的参数，也就是3*3*3*5=45个参数。实际上，通过训练kernel会学习到应该过滤图片中的哪些特征。