신경망이 깊어질수록 필터의 개수가 많아지는 이유가 있나요?

안녕하세요, 답변 감사드립니다. 1번 답변 이해가 잘 되었습니다. 2번 답변에 대해 보충 질문 드립니다. ``` 먼저 3차원 Conv 필터를 만듭니다. 이때 하나의 3차원 Conv 필터는 가로와 세로가 3x3(kernel_size=(3,3) 이므로) 이고 채널수(깊이)가 3인 3x3x3 필터가 됩니다.채널수가 3인 이유는 Input shape가 28x28x3 으로 Input의 채널수가 3이기 때문에 이와 동일한 채널수를 반드시 가져야 하기 때문입니다. ``` 답변주신 내용에서, Conv 필터는 3x3(kernel_size) 이고 인풋 채널이 3이므로 깊이가 3이되어 3x3x3 필터가 된다고 하셨습니다. 따라서, 인풋의 1, 2, 3번째 채널은 필터의 1, 2, 3커널과 합성곱 될것입니다. 근데 이 때, 1, 2, 3 커널이 모두 동일한 값을 가지고 있지 않나요? 이 의미는 인풋의 1, 2, 3번째 채널이 필터의 1, 2, 3 커널 중 단 한개의 커널과만 합성곱 되더라도 동일한 결과가 나온다는 것입니다. 이 말은, 마치 np.dot([1, 2, 3], [3]) 을 계산하기 위해 [3]이 [3, 3, 3]으로 확장되는 것과 동일하고, 따라서 초기의 파라미터 수를 구할 때 동일한 파라미터 수가 중복되서 세지는 경우가 있는것이 아닌가하는 의문에서 질문드렸습니다. 제가 이해를 잘못하고 있는 걸까요? * 만약 제 설명이 틀렸다면, 인풋의 각 채널당 적용되는 필터의 파라미터들이 모두 다른 것이겠지요? 그렇지만 제가 이해한 것은, 각 필터당 파라미터가 다를 뿐이지 각 커널(필터를 이루는 한개의 채널들)의 파라미터는 동일하다고 이해했습니다. 감사합니다.