卷积神经网络中 channels 分为三种：
(1):最初输入的图片样本的 channels ，取决于图片类型，比如RGB, channels=3
(2):卷积操作完成后输出的 out_channels ，取决于卷积核的数量。此时的 out_channels 也会作为下一次卷积时的卷积核的 in_channels
(3):卷积核中的 in_channels ，就是上一次卷积的 out_channels ，如果是第一次做卷积，就是1中样本图片的 channels
注意: 卷积核数量决定卷积操作中输出的channels个数和卷积核输入channels 没有关系, 卷积核的输入channels只与上一次卷积操作中的out_channels有关
例子:
假设现有一个6x6x3的图片样本，使用3x3x3的卷积核（filter）进行卷积操作。此时输入图片的 channels 为3，而卷积核中的 in_channels 与 需要进行卷积操作的数据的 channels 一致（这里就是图片样本，也为3）
接下来，进行卷积操作，卷积核中的27个数字与分别与样本对应相乘后，再进行求和，得到第一个结果。依次进行，最终得到4x4的结果。
上面步骤完成后，由于只有一个卷积核，所以最终得到的结果为4x4x1， out_channels 为1
在实际应用中，都会使用多个卷积核。这里如果再加一个卷积核，就会得到4x4x2的结果:
1