通道數增多與卷積之后得到的圖像特征數量有關

卷積層的作用本來就是把輸入中的特征分離出來變成新的 feature map，每一個輸出通道就是一個卷積操作提取出來的一種特征。在此過程中ReLU激活起到過濾的作用，把負相關的特征點去掉，把正相關的留下。輸出的通道數越多就代表分理出來的特征就越多，但也可能存在重復的特征，畢竟是一個概率問題。
如果是240240彩色圖像，它有RGB三通道。
使用任意大小的卷積核與其三個通道分別相卷積，如果是33的卷積核，就是3*3的卷積核與3個通道都各卷積一次，得到卷積后的三個通道，將三個通道對應位置相加得到一張圖片，就是一個通道，所以有多少個卷積核就有多少通道，每個卷積核都會與原通道相卷積再相加，得到一個通道。有多少卷積核，就會循環多少遍

我們可以通過以下代碼來計算通道數：

tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=True,data_format='NHWC',dilations=[1, 1, 1, 1],name=None
)