Tensorflow 批量大小对最大池层输入维度的影响？

在以下代码中，批处理大小为10，输入通道为2，输出通道为32。我知道卷积的输出作为最大池层的输入，最大池层的输出作为全连接层的输入。根据我的理解，图像高度图像宽度输出通道（2*2*32）作为最大池层的输入。表示大小为2 x 2的32幅图像。但在输入层中有10幅图像。最大池的输入是否为10*2*2*32

input = tf.Variable(tf.random_normal([10,4,4,2]))
filter = tf.Variable(tf.random_normal([2,2,1,32]))
result = tf.nn.conv2d(input, filter, strides=[1, 2, 2, 1], padding='SAME')

---

输入将为2x2，它将用于32个特征贴图（“图像”），因此深度将相同（32）。批次大小意味着它将对整个批次（10）执行此操作

因此，您可能会说10*2*2*32，但事实上，max pool操作只发生在2*2功能映射中