Caffe的卷积到底是如何计算的呢?

我们经常使用CNN,但是卷积神经网络中,比如前一层有10个卷积核,后一层有20个卷积核。那么对于前一层的10个输出,后面20个卷积核中每个卷积和都与10个输出做卷积,然后对应位置叠加吗?
已邀请:

爱在路上 - 想成为菜鸟中的战斗机

赞同来自:

卷积层后面一般不是做池化操作嘛

bonerkiller - buptldy.github.io

赞同来自:

后面的20个卷积核维数是[10, K_h, K_w], 也就是说后面的20个卷积核,其中每个卷积核包含10个二维的卷积核和前一层的10个输出做卷积,然后再加在一起,最后得到20个输出。
当然Caffe里面的实现并不是这样计算的,可以参考http://buptldy.github.io/2016/10/01/2016-10-01-im2col/

Quiet_cbo - 算法攻城狮一枚

赞同来自:

建议看下贾扬清大神在知乎上的回答:https://www.zhihu.com/question/28385679/answer/44297845
知乎上还是有不少干货的 ^_^

uestc_yang - UESTC

赞同来自:

卷积核的个数是表示当前层输出的featuremap的channels数。比如前一层是10个卷积核,表示前一层输出是n×10×h×w,后一层20个 卷积核,输出是n×20×h‘×w’,不一样的地方是当前层的卷积核的维度是20*10×kernel_size_h*kernel_size_w。每一个卷积核对应一个输出的featuremap,不存在对应位置的叠加。

要回复问题请先登录注册