CNN卷积神经网络中过滤器每个Kernel的层数永远等于上层特征图个数吗？

Question

卷积神经网络的每个特征图理论上受到上层全部特征图的影响，因为filter中每个Kernel的层数（Kernel深度）和上层特征图数量是一致的，为什么图片中第二层卷积层的特征图只连接到了上层中的一部分？有得是全部6个，有得是4个，有的是3个？难道每个Kernel的层数可变？
比如图中第二层卷积的特征图8，它只连接到了上层特征图图1234，没有连接到图56，那这个特征图8是由一个几层Kernel算出来的呢？
图片来源：CNN 3D可视化

Answer 1

kernel和上一层的特征图数不一致，和下一层的一致，假设一次卷积操作是从ch1 =fn=> ch2的变换，ch2i = sum(1-len(ch1))ch1j*fi，就是下一层的每个通道是对应的卷积核对上一层每个图片卷积操作后的叠加。