Deep learning Caffe中的反褶积-水滴大小超过INT_MAX_Deep Learning_Caffe

Deep learning Caffe中的反褶积-水滴大小超过INT_MAX

deep-learning

Deep learning Caffe中的反褶积-水滴大小超过INT_MAX,deep-learning,caffe,Deep Learning,Caffe,诚然，我有一个相当大的网络。它基于一个来自一家声称使用Caffe实现的公司的网络。以下是拓扑结构：尽我所能，我试着重新创建模型。作者使用术语“upconv”，它是2x2未冷却和5x5卷积的组合。我认为这是一个反褶积层，步长为2，内核大小为5（如果你不这么认为，请纠正我）。以下是全文的一个简短片段：但这似乎太大了，Caffe无法处理： I0502 10:42:08.859184 13048 net.cpp:86] Creating Layer upconv3 I0502 10:42:08.8

诚然，我有一个相当大的网络。它基于一个来自一家声称使用Caffe实现的公司的网络。以下是拓扑结构：

尽我所能，我试着重新创建模型。作者使用术语“upconv”，它是2x2未冷却和5x5卷积的组合。我认为这是一个反褶积层，步长为2，内核大小为5（如果你不这么认为，请纠正我）。以下是全文的一个简短片段：

但这似乎太大了，Caffe无法处理：

I0502 10:42:08.859184 13048 net.cpp:86] Creating Layer upconv3
I0502 10:42:08.859184 13048 net.cpp:408] upconv3 <- upconv2rec
I0502 10:42:08.859184 13048 net.cpp:382] upconv3 -> upconv3
F0502 10:42:08.859184 13048 blob.cpp:34] Check failed: shape[i] <= 2147483647 / count_ (94208 vs. 32767) blob size exceeds INT_MAX

I0502 10:42:08.859184 13048 net.cpp:86]创建层upconv3
I0502 10:42:08.859184 13048净。cpp:408]upconv3 upconv3
F0502 10:42:08.859184 13048 blob.cpp:34]检查失败：形状[i]您误认了num\u输出
，它是内核数。对于upconv2
它是256
，对于upconv3
它是92
。高度宽度是根据内核大小
和步幅
@Inman计算得出的，这是不可能的。如果我这样设置num\u output
，输出的大小将仅为3，这是不正确的：euclidean\u loss\u layer.cpp:12]检查失败：底部[0]->计数（1）=底部[1]->计数（1）（3对49152）输入必须具有相同的维度。
I0502 10:42:08.859184 13048 net.cpp:86] Creating Layer upconv3
I0502 10:42:08.859184 13048 net.cpp:408] upconv3 <- upconv2rec
I0502 10:42:08.859184 13048 net.cpp:382] upconv3 -> upconv3
F0502 10:42:08.859184 13048 blob.cpp:34] Check failed: shape[i] <= 2147483647 / count_ (94208 vs. 32767) blob size exceeds INT_MAX