推荐一个链接（用Excel实现多种维度的卷积）：https://medium.com/apache-mxnet/multi-channel-convolutions-explained-with-ms-excel-9bbf8eb77108
其中3维卷积是这样的：
我以前的错误理解：如果输出通道只有1个，那么就只有1个卷积核（例如3x3，也就是9个参数）。然后该卷积核对输入3通道分别卷积，得到3张特征图，pixel-wise相加即可。
错误的地方：如果输入是RGB 3通道，那么就有3个卷积核！实际上有3x3x3=27个参数。
PyTorch的官方文档验证了这一点：
其中weight不仅与输出通道index有关，还与输入通道index有关。即，如果有inC个输入通道，inO个输出通道，那么就有inC x inO个卷积核（也就是权重矩阵）。
原文：https://www.cnblogs.com/RyanXing/p/12852940.html