如何在 CNN 中获取输入和输出通道？

Question

我特别关注的是这里的 AlexNet 架构： https://github.com/pytorch/vision/blob/master/torchvision/models/alexnet.py

我对他们如何获得输入和输出通道感到困惑。根据我对 AlexNet 的阅读，我无法弄清楚他们从哪里获得 outputchannels = 64（作为 Conv2d 函数的第二个参数）。即使 256 被分成 2 个 GPU，也应该是 128 而不是 64。根据我的假设，输入通道 3 最初代表颜色通道。但是，其他输入和输出通道对我来说也没有意义。

谁能解释一下输入和输出通道是什么？

class AlexNet(nn.Module):

    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2), #why 64?
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )

Answer 1

3 是输入通道的数量（R、G、B）。 64 是第一个卷积操作输出中的通道数（即特征图）。因此，第一个 conv 层将彩色 (RGB) 图像作为输入，应用步幅为 4 的 11x11 内核，并输出 64 特征图。

我同意这与架构图中（原始 AlexNet 实现）中的通道数（96，每个 GPU 中 48 个）不同。

但是，PyTorch 没有实现原始的 Alexnet 架构。相反，它实现了论文中描述的 AlexNet 实现的变体：One weird trick for parallelizing convolutional neural networks。

另外，请参阅cs231n - convolutional networks，了解有关输入、过滤器、步幅和填充如何在转换操作后等同于输出的更多详细信息。

---

P.S：见pytorch/vision/issues/185