由于内存和效率的原因，使用通道大小 32、128 等。这些数字没有什么神圣之处。

选择通道数背后的直觉如下——初始层提取低级特征——它们由边缘检测器等组成。这样的特征并不多。因此，我们不会通过添加大量过滤器获得太多收益（当然，如果我们在 RGB 图像上使用 3x3 过滤器，我们将有$2^{27}$即使我们的神经元只有 0 和 1 作为它们的值，也可以使用不同的过滤器。但是，它们中的大多数对我们的工作非常相似/毫无意义）。使用大量过滤器甚至可能导致过度拟合。

后面的层负责从先前提取的较低级别特征中检测更细微的特征，例如肘部/鼻子形状。所以，如果我们增加频道的数量，我们可能会做得更好。另外，请注意，随着我们深入，生成的层变得越来越稀疏。

尽管在超分辨率图像等应用中可能会有所不同，但总的来说，当我们深入时，通道数保持不变或增加。

一个不错的实验是尝试增加通道的数量，直到您不再从中受益。我相信有一篇论文正是这样做的（如果有人记得，请引用它）。您甚至可以在此阶段尝试可视化过滤器，看看过滤器是否相似。