在Alex Krizhevsky 等人中。使用深度卷积神经网络进行 Imagenet 分类，它们枚举了每层中的神经元数量（见下图）。

网络的输入为 150,528 维，网络剩余层中的神经元数量由 253,440–186,624–64,896–64,896–43,264–4096–4096–1000 给出。

3D 视图

第一层之后所有层的神经元数量是明确的。计算神经元的一种简单方法是简单地将该层的三个维度相乘 ( planes X width X height)：

• 第 2 层：27x27x128 * 2 = 186,624
• 第 3 层：13x13x192 * 2 = 64,896
• 等等

但是，看第一层：

• 第 1 层：55x55x48 * 2 = 290400

请注意，这与论文中 253,440的规定不同！

计算输出大小

计算卷积输出张量的另一种方法是：

如果输入图像是 3D 张量nInputPlane x height x width，则输出图像大小将nOutputPlane x owidth x oheight是

owidth = (width - kW) / dW + 1

oheight = (height - kH) / dH + 1.

（来自Torch SpatialConvolution 文档）

输入图像为：

• nInputPlane = 3
• height = 224
• width = 224

而卷积层为：

• nOutputPlane = 96
• kW = 11
• kH = 11
• dW = 4
• dW = 4

（例如内核大小11，步幅4）

代入我们得到的这些数字：

owidth = (224 - 11) / 4 + 1 = 54 oheight = (224 - 11) / 4 + 1 = 54

因此，55x55我们只需要匹配纸张所需的尺寸。它们可能是填充（但cuda-convnet2模型明确将填充设置为 0）

如果我们采用54-size 维度，我们会得到96x54x54 = 279,936神经元 - 仍然太多。

所以我的问题是：

他们如何为第一个卷积层获得 253,440 个神经元？我错过了什么？