从训练有素的caffenet中提取重量后感到困惑

Question

所以基本上这是训练有素的caffenet的权重维度：

conv1：（96,3,11,11） conv2：（256,48,5,5） conv3：（384,256,3,3） conv4：（384,192,3,3） conv5：（256,192,3,3）

我很困惑，尽管conv1给出96个通道作为输出，为什么conv2在卷积时只考虑48？我错过了什么吗？

Answer 1

是的，您错过了参数＆＃39; group＆＃39;。 conv2层中定义的convolution_param如下所示。你可以发现参数组设置为2作为分组，卷积层可以节省gpu内存。

 convolution_param {
 num_output: 256
 pad: 2
 kernel_size: 5
 group: 2
 weight_filler {
  type: "gaussian"
  std: 0.01
 }
 bias_filler {
  type: "constant"
  value: 1
 }