我正在构建一个卷积网络图像分类目的，我的网络受到 VGG conv 网络的启发，但我改变了层数和每层的过滤器，因为我的图像数据集非常简单。
尽管如此，我想知道为什么 VGG 中的拟合器数量总是 2 的幂:64 -> 128 -> 256 -> 512 -> 4096
我猜这是因为每个池将输出大小除以 2 x 2，因此需要将过滤器的数量乘以 2。
但我仍然想知道这个选择背后的真正原因是什么；这是为了优化吗？分配计算更容易吗？我是否应该将此逻辑保留在我的网络中。
最佳答案
是的，主要是为了优化。如果网络要在 GPU 上运行，GPU 中的线程会以组和 block 的形式出现，通常一个组有 32 个线程。
粗略地说，如果您有一个包含 40 个过滤器的层，您将需要 2 个组 = 64 个线程。那么为什么不利用其余线程并制作可以并行计算的 64 个过滤器层。
关于algorithm - 卷积网络中的最佳过滤器数量，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/51103639/