Python 这个CNN怎么会有奇数个参数？

我计划使用一个三维U形网络，第一步，我遵循切克等人的论文，我在这里复制了网络结构：

---

据报道，他们使用了19069955个参数。这个数字是奇数（我的意思是，不能被2整除）。我自己的Keras实现非常接近这个数字（例如，当使用2而不是3个输入通道时为19067648个参数，或者当使用2而不是3个目标类时为19068448个参数）。但无论我做什么尝试，我的（可训练的、不可训练的、每一层的总参数）参数的数量仍然是相等的。这个网络怎么会有奇数个参数呢？

可能是层间的一些参数，比如批量规范化参数。其中一个层间片段可能在开始或结束时都不包括。@golmschenk我也这么认为，但Keras BN层有4个参数（2+2或0+4，可训练+不可训练）。首先，我的隐含假设是，输入或输出深度为偶数的层不能有奇数个参数，这是不正确的；我想这只适用于输出深度为偶数的层，但对于输入深度为偶数的层（如果输出深度为奇数的话）则不是这样。事实上，在没有任何批标准化的情况下，最终1x1 conv层具有奇数个参数，即，

195=3*（1*1*64+1）

。我忘记了通过添加

+1

来解释偏差（一如既往）。其次，在批处理规范化之前，我在Conv层中使用

use\u bias=False

时只得到了偶数：在批处理规范化之后计算激活，我的想法是这些偏差是不需要的。好吧，也许是，也许不是，但西切克等人显然没有禁用它们。