Caffe Convolution Layer的Num输出如何与内核和跨步大小一起使用？

Question

也许是一个noob问题，但在阅读Github上的caffe.proto文件后，我无法调和卷积层的两个（实际上是三个）规范是如何共存的：

1. 输出数量;
2. 内核大小和步幅。

不要核心大小和步幅必然要求卷积层的输出数量？我在.proto文件中看到输出的数量是一个可选的规范，这让我相信输出的数量可以是用户定义的，而不是内核大小和步幅的派生函数。这是真的？如果是，为了什么目的？

Answer 1

没有。 num_output是指输出的渠道数，而kernel_size，pad，stride用于计算每个渠道的大小。

Answer 2

卷积层将卷作为输入和输出。输出量取决于： -

1. Kernel size
2. Kernel stride
3. padding 
4. No of kernels (filters)

例如： - 如果输入音量为32x32x3且卷积层有10 (no of kernels)个5x5 (kernel size)过滤器，stride 1和pad 2，那么空间输出大小将为： -

input_size+pad*2-kernel_size/stride+1

（32 + 2 * 2-5）/ 1 + 1 = 32 因此在空间上大小将是32x32 并且输出的深度始终等于No of kernels。即10 因此输出量将为32x32x10