为什么num_output是卷积参数？

Question

假设将我们的输入图像传递到卷积层中，如 sample caffe net:

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

网络如何能够准确地为我们提供我们想要的输出数量，同时还精确地使用它所提供的卷积核的大小和步长？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（模填充决定）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 呢？或者 num_output: 100?

Answer 1

经过一些实验，看起来这个 num_output 参数实际上决定了内核与 整个图像 的卷积次数（至少在单通道-图片案例）。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。