caffe group参数理解

caffe Convolution层的convolution_param参数字典中有一个group参数，其意思是将对应的输入通道与输出通道数进行分组，比如输入数据大小为
90x100x100x32 90是数据批大小 100x100是图像数据shape，32是通道数，要经过一个3x3x48的卷积，group默认是1，就是全连接的卷积层，
如果group是2，那么对应要将输入的32个通道分成2个16的通道，将输出的48个通道分成2个24的通道。对输出的2个24的通道，第一个24通道与输入的第一个16通道进行全卷积，第二个24通道与输入的第二个16通道进行全卷积。极端情况下，输入输出通道数相同，比如为24，group大小也为24，那么每个输出卷积核，只与输入的对应的通道进行卷积。

         caffe官网原话是：
group (g) [default 1]: If g > 1, we restrict the connectivity of each filter to a subset of the input. Specifically, the input and output channels are separated into g groups, and the i-th output group channels will be only connected to the i-th input group channels.

查看评论

4楼  小魔大树哥前天 13:58发表 [回复]

你好，请问24通道卷积与16通道feature map卷积，每个通道遍历16个map？

3楼  geek_kys2017-10-25 17:05发表 [回复]

请问楼主，分成几个group后，是按照group1,group2,...这样串行的计算以后再把结果传到下一层，还是这几个group是并行计算后，再把结果传到下一层

Re:  跬步达千里2017-10-27 08:46发表 [回复]

回复geek_kys：串行和并行看你怎么计算,用cpu就是串行计算后将结果综合,并行计算也是gpu计算后将计算结果进行综合

2楼  aiweier03052017-08-11 17:34发表 [回复]

楼主你好，谢谢你的分享。
我可以这么理解么，
对于输入的一个feature_map和输出的feature_map 原本输出的特征图都是有原来的所有通道做全连接(加权)得到的，现在group后只与input_dim/group个有关，这样理解对么

Re:  跬步达千里2017-08-16 08:48发表 [回复]

回复aiweier0305：你好，输出也要进行group，group后output_dim/group的feature map只与对应的input_dim/group的feature map相连

Re:  aiweier03052017-08-29 16:17发表 [回复]

回复跬步达千里：嗯，是这个理解，多谢了

1楼  另类的程序员2017-06-22 10:25发表 [回复]

楼主说法有错误。输入数据大小为90*100*100*32，卷积核的第三维必须与输入数据的通道数保持一致，所以不可能经过3*3*48的卷积。如果按楼主所说，group为2时，对输出的2个24的通道，第一个24通道与输入的第一个16通道如何做卷积？

Re:  跬步达千里2017-06-22 11:41发表 [回复]

回复另类的程序员：是你理解有错误,就这种情况,那就是一个普通的卷积,第一个输出的24通道与第一个输入的16通道进行卷积.想象这样一个普通的卷积,输入通道数是16,输出通道数是24,group就是默认为1,如果按照你的想法,所有的卷积输入通道数还必须和输入通道数相等了

Re:  另类的程序员2017-07-26 15:49发表 [回复]

好吧，楼主应该是对的，我想成了分离通道卷积，搞混了！