为什么 num_output 是卷积参数？

Question

假设将我们的输入图像传递到sample caffe net 中的卷积层：

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  .
  .
  .
  convolution_param {
    num_output: 96
    kernel_size: 11
    stride: 4
  }
  .
  .
  .
}

网络如何准确地为我们提供我们想要的输出数量，同时准确地使用它所给定的卷积核的大小和步幅？内核大小和步幅不应该已经决定了我们将获得的输出数量（模填充决策）吗？

如果我有一个 5x5 的图像，使用步长 2 和零填充边界将其与 3x3 内核进行卷积，那么我希望从卷积中获得 3x3 的输出。但是如果我要求num_output: 5 怎么办？还是num_output: 100？

Answer 1

经过一些实验，看起来这个 num_output 参数实际上决定了您将内核与整个图像卷积多少次（至少在单通道图像的情况下）。所以它实际上根本不与图像和过滤器的宽度和高度值交互。