在灰度图一节的最后，给出了一个由彩色图片转成灰度图的示例，并且通过 `color_image.mode`获取了图片的格式：彩色图片获取到的格式为 RGBA，灰度图为L。

这一节介绍一下 RGB 图片以及通道的概念，我个人感觉通道在整个深度学习中很重要，并且极为重要。

举个例子：在很多时候，对神经网络中的一些算法做工程化实现，或者做性能优化，除了关注算法本身之外，还会关注数据存储格式。一般在 pytorch 中，数据存储格式 NCHW, C 指代的就是通道(channel)， 如此一来，对于需要在通道维度做归一化（如 reduce）的算法，是很不友好的。

因为数据在通道维度不连续，导致取到完整的通道维度信息要跨越很大的地址范围，CPU 或其他 xPU 对于这类的数据寻址性能都是很差的，至少要比连续寻址差。

以上是举了一个在实际中经常会遇到的一类问题，通道维度数据在存储器中摆放不连续。

当然这一节还不需要深入了解这一些内容，涉及到的内容会在专栏后面有详述，本节只需要了解通道这个概念就行了。

先说下 RGB

彩色通常由红色（Red，R）、绿色（Green, G）、蓝色（Blue, B）三个基本颜色组成，这种颜色表示方式被称为彩色 RGB 模型。

在这个模型中，每个像素的颜色由这三种基本颜色组合而成，因此，一个平面上看似一个像素，实际是由三个不同颜色（不同通道）的像素组成。这里的 R/G/