为什么我们要从一张图片出发$224 \times 224 \times 3$到两个图像$224 \times 224 \times 64$?

他们用一个卷积$1 \times 1$内核，与$64$过滤器。这样，您将尺寸保持为输入（$224 \times 224$)，但将过滤器的数量更改为 64。

这不是两个图像，而是两个层！

为什么减半继续？这是什么意思？

这是最大池化操作（层为红色，参见图例）。通常，最大池化应用的内核步幅为 2（很少为 3，但不会更多，因为您丢失了太多信息）。这样你的尺寸会减少 2，激活图更小，计算速度更快。

它继续$56 \times 56 \times 256$. 为什么这个数字继续减半，而这个数字，最后，$256$，继续翻倍？

仍然是最大池化。不过，没有理由将过滤器的数量增加一倍。这只是一种趋势，但您可以放置​​所需的过滤器数量。