Caffe 为什么num_输出是卷积参数？

假设将输入图像传递到卷积层，如图所示：

网络如何在精确使用给定卷积核的大小和步长的同时，准确地给出我们想要的输出数量？内核大小和步幅是否已经决定了我们将获得的输出数量（模填充决策）

---

如果我有一个5x5的图像，用一个3x3内核使用步长2进行卷积，并对边界进行零填充，那么我希望从卷积中得到一个3x3的输出。但是如果我请求

num\u输出：5

？或者

num\u output:100

？

经过一些实验，看起来这个num\u output参数实际上决定了将内核与整个映像卷积多少次（至少在单通道映像的情况下）。因此，它实际上根本不与图像和过滤器的宽度和高度值交互。

正如您正确观察到的，

num\u output

确定了输出通道EAH的数量，当我第一次在文档中看到它时，我并不完全确定它的含义。有时候，没有什么可以代替你自己尝试和实验。

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  .
  .
  .
  convolution_param {
    num_output: 96
    kernel_size: 11
    stride: 4
  }
  .
  .
  .
}