我正在尝试为32x32图像训练resnet，我遇到了一个教程：https://towardsdatascience.com/resnets-for-cifar-10-e63e900524e0，这适用于cifar-10(32x32图像数据集(，但我不明白它在说什么。
这是来自网站：
"作者构建ResNet的其余注释是：
-
使用6层3x3卷积的堆栈。的选择将决定我们ResNet的规模。
-
特征图大小分别为{32,16,8}，每个特征图大小有2个卷积。此外，滤波器的数量分别为{16,32,64}。
-
通过ResNet实现体积的下采样，将步幅增加到2，用于每层的第一次卷积。因此，直到在密集层之前才使用池化操作。
-
对于旁路连接，将不使用突出部分。在体积形状不同的情况下，输入将简单地用零填充，因此输出大小与添加之前的体积大小匹配。
这将留下图4作为我们第一层的表示。在这种情况下，我们的旁路连接是一个常规的标识快捷方式，因为卷的维度在层操作中是恒定的。由于我们选择n＝1，因此在层1内应用2个卷积。
我们仍然可以从图2中检查到，Layer1的输出音量确实是32x32x16。让我们更深入">
我很困惑为什么输出中的通道数量是16，而滤波器的数量是{16，32，64}
请注意，第1层的过滤器数量为16，第2层为32，第3层为64。