通道数增多与卷积之后得到的图像特征数量有关

卷积层的作用本来就是把输入中的特征分离出来变成新的 feature map，每一个输出通道就是一个卷积操作提取出来的一种特征。在此过程中ReLU激活起到过滤的作用，把负相关的特征点去掉，把正相关的留下。输出的通道数越多就代表分理出来的特征就越多，但也可能存在重复的特征，毕竟是一个概率问题。
如果是240240彩色图像，它有RGB三通道。
使用任意大小的卷积核与其三个通道分别相卷积，如果是33的卷积核，就是3*3的卷积核与3个通道都各卷积一次，得到卷积后的三个通道，将三个通道对应位置相加得到一张图片，就是一个通道，所以有多少个卷积核就有多少通道，每个卷积核都会与原通道相卷积再相加，得到一个通道。有多少卷积核，就会循环多少遍

我们可以通过以下代码来计算通道数：

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